Case study
Grimoire Culinaire
Du concept à la beta privée Google Play, en solo, AI-enabled.
Le problème
Concevoir une app mobile Android de recettes qui ne soit pas un simple CRUD mais un vrai produit AI-enabled : actions IA utiles au quotidien, économie interne ledger, gamification, offline-first, monétisation freemium 3 tiers, beta privée Google Play. Le tout en développeur solo, sans équipe, sans dette technique.
La méthode
Cadrage PREDEV complet avant le code : promesse produit, architecture 3 couches Riverpod, découpage en 14 lots avec critères de validation. Chaque lot livré passe par tests + audit post-livraison. Économie interne (muffins) structurée dès le lot 1 avec réservation avant débit, rollback automatique et ledger immuable. Routing multi-LLM (OpenAI API primary + Gemini fallback) pensé comme produit avec quotas, plans, surface AI governance opérable hors-tech.
Le résultat
MVP complet en beta privée Google Play. 400+ tests, 80% de couverture. 14 lots livrés sans dette technique majeure, 7 Edge Functions Supabase, 51 événements analytics, 18 actions IA avec quotas. Architecture Riverpod 3 couches + pattern offline-first réutilisable sur d'autres projets. Surface AI governance opérable par admin non-technique. i18n FR / EN / ES / IT.
Stack
Flutter · Dart · Riverpod 3 · Drift · SQLite · Supabase · PostgreSQL · Firebase · OpenAI API · Gemini · RevenueCat · AdMob