Goals est un outil de suivi des habitudes intelligent qui relie les actions quotidiennes aux grands objectifs de vie, alimenté par un assistant IA qui trouve des tendances cachées dans vos progrès. La plupart des applications de suivi d’objectifs traitent les objectifs comme une liste de tâches plate et déconnectée : les utilisateurs cochent des cases, mais perdent rapidement de vue pourquoi ils le font.
Mandat et objectif
Relier les actions quotidiennes aux grands objectifs de vie, plutôt que de les traiter comme une liste de tâches plate et déconnectée où l’on perd vite de vue pourquoi on coche les cases.
Rôle et responsabilités
Projet personnel : design UX/UI, développement full-stack et intégration de l’IA.
Crédits
Projet personnel. Le design UX/UI, le développement full-stack et l’intégration de l’IA sont faits par moi.
Utilisation d’IA
J’ai utilisé Google Antigravity pour programmer et déboguer l’application, et l’API Gemini, avec une invite spécialisée, pour analyser les bilans quotidiens dans l’application ; j’ai utilisé Claude Code pour intégrer cette fiche au portfolio, à partir de mon étude de cas. Ma contribution personnelle comprend le design UX/UI, la structure des données, l’invite système et le développement full-stack.
Étapes de production
-
Étape 1 : UX/UI : structure hiérarchique des objectifs
Au lieu d’une liste plate, l’interface amène les utilisateurs à relier les petites habitudes à des objectifs parents. J’ai utilisé une esthétique épurée et haut de gamme en mode sombre pour garder l’interface concentrée et sans distraction, en soulignant visuellement la hiérarchie.
-
Étape 2 : Développement : bilans quotidiens flexibles
Construite avec React et Firebase, l’application propose une réflexion en soirée basée sur des questions personnalisées. Cela génère au fil du temps un ensemble de données riche et structuré, sans donner l’impression d’une corvée.
-
Étape 3 : Système d’IA : analyse contextuelle
L’historique des bilans de l’utilisateur est formaté et transmis de façon sécurisée à l’API d’un grand modèle de langage à l’aide d’une invite spécialisée. Le système est chargé de rechercher des corrélations (par exemple, « les jours où vous dormez 8 heures sont corrélés à la réalisation de votre habitude de codage ») et renvoie des pistes structurées et exploitables plutôt que des conseils génériques.
-
Étape 4 : Données structurées pour l’IA
Pour que l’analyse donne des pistes concrètes plutôt que des conseils vagues, les bilans combinent du texte libre et des entrées binaires et numériques ; l’invite système impose ensuite le format « Observation → Corrélation → Action ».
-
Étape 5 : Mise en ligne
Le front-end est construit avec Vite et l’application est hébergée en production sur Google Cloud Run ; l’authentification et la base de données sont gérées par Firebase.
Technologies
-
Interface construite avec React ; authentification et base de données gérées par Firebase.
-
Analyse les bilans quotidiens et renvoie des observations structurées selon le format « Observation → Corrélation → Action ».
-
Hébergement de l’application en production.
-
Environnement de développement assisté par l’IA utilisé pour programmer et déboguer l’application.
-
Outil de construction du front-end.
Défis
L’IA fournissait au départ des conseils vagues, dignes d’un horoscope, impossibles à mettre en pratique parce que les données des bilans étaient trop peu structurées.
Solutions
J’ai restructuré la base de données pour imposer des entrées binaires et numériques en plus du texte, et j’ai affiné l’invite système pour imposer un format strict « Observation → Corrélation → Action ».
Résultat final
Une application web en ligne : objectifs hiérarchiques, bilans quotidiens et analyse des tendances par l’API Gemini, construite avec React et Firebase.