LearnIt Forge

Contexte

LearnIt Forge est né d'un prototype e-learning avant d'évoluer vers un LMS full-stack. Le produit réunit désormais un catalogue public, des espaces authentifiés Learner, Teacher et Admin, un moteur de progression et un studio de conception pédagogique assisté par IA.

Objectif

Explorer une hypothèse produit concrète : réduire le temps nécessaire pour structurer et enrichir une formation sans retirer à l'enseignant le contrôle éditorial, la responsabilité pédagogique ni la décision de publier.

Approche

Le produit a été construit par tranches verticales : authentification et rôles, catalogue et données de cours, progression apprenant, authoring enseignant, puis Forge AI. Le copilote combine brief pédagogique, structure du cours et extraits de sources pour produire des propositions JSON validées, affichées en aperçu avant persistance.

Décisions de conception

Faire de l'IA une capacité du produit plutôt qu'un chat généraliste : appels côté serveur, contrôle d'accès par rôle et RLS, retrieval limité au contexte utile, sorties structurées, références visibles et import en brouillon uniquement. Aucune proposition ne modifie ni ne publie silencieusement un contenu ; le Teacher compare, ajuste et accepte explicitement.

Technologies

Next.js 16, React, TypeScript, Supabase Auth, PostgreSQL, Storage et Row Level Security, Server Actions, React Markdown, Tailwind, Sass et provider IA compatible OpenAI. Le retrieval V1.5 découpe et classe lexicalement les sources TXT/Markdown, avec un provider mock déterministe pour préserver le workflow sans dépendance externe.

Résultat

Une base fonctionnelle où un Teacher peut créer et publier ses formations, générer une structure depuis un brief et des sources, enrichir une leçon avec son contexte réel et n'appliquer que les propositions retenues. Côté Learner, inscriptions, reprise de parcours, progression, notes et favoris sont persistés dans Supabase.

Retour d'expérience

Le projet montre qu'un produit IA crédible se joue autant dans l'orchestration que dans le modèle : contexte sélectionné, contrats de sortie, permissions, traçabilité, états d'erreur et possibilité de continuer sans provider externe. Les limites sont assumées : pas de publication automatique, pas de recherche vectorielle prématurée et pas de citation PDF page par page tant qu'elle ne peut pas être garantie.