Passer au contenu
API ia business intelligence

Comment j’ai amené une app Flutter assistée par IA jusqu’à son premier APK testable

Malory GONIER
Malory GONIER

Il y a une différence assez nette entre “une app qui fonctionne” et “une app qu’on ose faire tester”.

Pendant plusieurs semaines, j’ai construit Pocket Architect, une application mobile Flutter pensée pour aider les fondateurs SaaS à structurer leur produit, poser leurs idées, et obtenir des recommandations via un assistant IA.

Sur le papier, tout marchait rapidement.

Mais le vrai jalon n’était pas là.

Le vrai jalon, c’était celui-ci :

arriver à une version suffisamment stable pour être mise entre les mains de vrais utilisateurs.

Et ça change complètement la manière de construire.

 

Pourquoi viser un premier APK change tout

Tant que tu développes seul, tu peux tolérer beaucoup de choses :

  • des approximations
  • des flows incomplets
  • des retours API “acceptables”
  • des comportements un peu flous

Mais dès que tu veux faire tester :

  • tout devient visible
  • tout devient interprété
  • tout devient jugé

Ce n’est plus une app. C’est une expérience produit.

 

Le modèle réel de l’application

Pocket Architect n’est pas juste un chat IA.

C’est un système structuré :

  • onboarding + authentification
  • gestion d’un projet utilisateur
  • flows guidés (type questionnaire intelligent)
  • assistant conversationnel
  • historique des échanges
  • génération de rapports premium
  • paiements + deep links
  • backend intermédiaire pour orchestrer les modèles IA

L’application Flutter ne parle jamais directement à un LLM.

Tout passe par un backend.

Pourquoi ?

  • contrôle des prompts
  • gestion des coûts
  • orchestration multi-modèles
  • amélioration progressive (RAG, fine-tuning, etc.)
 

Ce que l’IA m’a réellement fait gagner

Soyons lucides.

Oui, l’IA accélère énormément.

Dans mon cas :

  • génération rapide de structure Flutter
  • création d’écrans et composants
  • refactoring ciblé
  • micro-copy UI
  • intégrations répétitives
  • exploration de solutions techniques

Sur la phase “construction”, le gain est réel.

Mais il y a une limite très claire.

 

Ce que l’IA ne résout pas

Là où ça devient intéressant, c’est sur ce que l’IA ne fait pas :

  • comprendre les vrais flux produit
  • stabiliser les interactions
  • garantir la cohérence backend / frontend
  • gérer les cas limites
  • arbitrer UX vs logique métier

Et surtout :

elle ne valide pas à ta place.

 

Le moment clé : stabiliser avant APK

Avant de générer le premier APK, j’ai dû passer par une phase beaucoup moins “sexy” :

  • éviter les doubles clics et navigations multiples
  • sécuriser les flows critiques
  • fiabiliser les retours de paiement (deep links)
  • améliorer la lisibilité des écrans
  • harmoniser tous les textes
  • gérer correctement les cas premium

C’est là que le produit devient réel.

 

Un bug révélateur

Un exemple simple.

Un rapport premium affichait parfois : “unknown”

Le réflexe classique : “le frontend bug”.

Mais en réalité :

  • le frontend affichait correctement la donnée reçue
  • le problème venait du backend (contrat / data manquante)

Ce genre de bug est typique.

Et il rappelle une chose essentielle :

une app, ce n’est pas un écran. c’est un système.

 

Ce que j’ai appris

Construire avec IA, ce n’est pas déléguer.

C’est :

  • accélérer la production
  • mais renforcer le niveau d’exigence

plus tu vas vite, plus tu dois être rigoureux

Sinon tu accumules de la dette invisible.

 

Aujourd’hui : premier APK prêt

Pocket Architect est maintenant dans une phase clé :

une première version APK est prête à être testée

Ce n’est pas une version publique.

C’est une version de validation.

Objectifs :

  • comprendre si le produit est clair
  • voir si les utilisateurs suivent les flows
  • observer l’usage réel du chat
  • mesurer la perception de valeur
  • tester la stabilité globale
 

Et maintenant

La suite n’est pas technique.

Elle est produit.

  • collecter du feedback réel
  • observer les frictions
  • améliorer les flows
  • valider le modèle premium
  • prioriser les évolutions
 

Conclusion

L’IA permet de construire vite.

Mais rendre une application testable…

ça reste un travail d’architecture, de rigueur, et de lucidité.

Et c’est exactement là que se joue la différence.

Partager ce post