Sommaire8
L’essentiel
En trente secondes- EnjeuLa méthode d’Essan NFC vivait dans des documents et des échanges individuels, et dépendait donc de la disponibilité des personnes qui la portent.
- MécanismeUne application Expo / React Native et un back-office MedusaJS partagent un monorepo ; le coach IA lit le contexte du pratiquant sans le modifier.
- PreuvePrincipal contributeur du dépôt de septembre 2025 à août 2026, avec une chaîne de build iOS validée sur un iPhone réel.
- ImpactLa méthode devient un parcours que l’équipe administre, et le coach répond à partir des données du pratiquant plutôt que de généralités.
- LimitesLe projet est en pause : publication sur les stores, nombre d’utilisateurs et résultats commerciaux restent inconnus.
- Client
Essan NFC- Mon rôle
- Développeur principal, mobile, back-office et IA
- Cadre
- Via un partenaire
Silico - Équipe
- Intégré à une équipe existante · 4 personnesIntégré à l’équipe projet, avec au moins trois autres développeurs.
- Technologies
Expo
React
Node.js
Medusa
PostgreSQL
TypeScript- pgvector
- pnpm
Le point de départ
Essan NFC dispose d’une méthode d’entraînement : des séances, une progression, un suivi nutritionnel, un accompagnement par des coachs. Tant que cette méthode vit dans des documents et des échanges individuels, elle ne peut pas suivre beaucoup de pratiquants à la fois. Le projet consistait à la numériser sans l’appauvrir.
Ce que j’ai construit
J’ai été le principal développeur de l’application et de son back-office, intégré à l’équipe projet. Le périmètre MVP couvre la planification des séances, la nutrition, le coaching, les abonnements et le profil. Le back-office, construit sur MedusaJS, donne à l’équipe d’Essan la main sur les contenus, les utilisateurs et les coachs ; PostgreSQL et pgvector portent les données.
Un coach IA qui ne répond pas de mémoire
Le coach IA a demandé le plus de soin. Un assistant conversationnel branché sans cadre produit vite des conseils génériques, voire hasardeux, sur un sujet qui touche à la santé. Ici, le modèle reçoit le contexte du pratiquant au moyen de commandes en lecture seule et procède par cycles de recherche bornés : il s’appuie sur ce qui est connu, et ne peut rien modifier.
Le projet a aussi exploré l’exécution d’un modèle compact directement sur le téléphone, pour la confidentialité et le fonctionnement hors ligne1. Cette piste est restée une expérimentation de développement.
Un modèle Gemma au format GGUF…
Un modèle Gemma au format GGUF, chargé avec @react-native-ai/llama, accessible seulement depuis un panneau de débogage réservé au développement.
Ce que montrent les preuves
L’historique du dépôt montre ma part du travail2, et la documentation du coach IA décrit ses commandes et ses limites. Pour tester sur un iPhone réel sans dépendre d’un service de build en ligne, j’ai mis en place une chaîne qui compile et signe l’application sur un Mac, puis l’installe sur l’appareil3.
Historique Git : 222 des 340 commits…
Historique Git : 222 des 340 commits sont les miens, de septembre 2025 à août 2026, aux côtés d’au moins trois autres développeurs. Un nombre de commits ne mesure ni l’effort ni la qualité.
Chaîne validée le 24 juillet 2026 …
Chaîne validée le 24 juillet 2026 : compilation et signature sur un Mac distant, installation sur un iPhone physique.
Ce que cela change
La méthode n’est plus portée seulement par des documents et des échanges : elle devient un parcours structuré que l’équipe administre. Le coach IA est conçu pour s’appuyer sur les données du pratiquant, et non sur des conseils généraux.
Limites
- Le projet est en pause ; je compléterai ce dossier avec son statut de publication et ses premiers usages dès qu’ils seront connus.
- En production, le coach IA s’appuie sur un modèle hébergé dans le cloud. L’exécution sur le téléphone n’a été qu’une expérimentation.
- Les programmes et conseils nutritionnels restent informatifs et ne remplacent pas un avis médical.
- Les captures sont un rendu web de l’application mobile, sur un compte de test : la barre d’onglets n’y a pas exactement son rendu natif.
Partager et réutiliser
Le lien, le texte brut et des visuels prêts pour LinkedIn.
