Création de VibeLing : comment l'IA et React Native ont aidé pour l'apprentissage des langues

De Anki à ma propre app : Comment l’IA et React Native ont créé VibeLing pour l’apprentissage des langues

Un développeur frustré par les limites des outils existants d’apprentissage des langues a créé VibeLing, son application mobile personnelle. En seulement 5 mois, le projet a attiré plus de 1 000 utilisateurs sans aucun budget marketing. La stack technique clé ? React Native, Node.js et des modèles d’IA pour générer exemples et traductions.

Problèmes des solutions existantes

L’auteur a testé diverses méthodes d’apprentissage des langues et a identifié deux types d’apps principaux qui laissaient à désirer :

• Apps dictionnaires (comme SkyEng) – elles proposent des listes de mots fixes mais ne permettent pas d’ajouter des expressions personnalisées ou contextuelles.

• Apps de flashcards (comme Anki) – elles exigent une saisie manuelle des données, rendant la création de matériel fastidieuse.

Ce problème a été le plus aigu lors de l’étude du serbe, où les outils conviviaux sont rares. C’est ce qui a donné l’idée d’une solution sur mesure.

Architecture et stack technique de VibeLing

Pour un MVP rapide, l’équipe a choisi cette stack :

• Frontend : React Native + Expo pour un développement cross-platform iOS et Android.
• Backend : Node.js comme proxy vers les API d’IA et les services de synthèse vocale AWS.
• Infrastructure : Vercel pour le déploiement, RevenueCat pour la gestion des abonnements.
• Site web : Next.js avec SSR pour l’optimisation SEO.

L’IA s’occupe des traductions automatiques et des phrases d’exemple, éliminant la saisie manuelle.

Construction du MVP et défis initiaux

La première version était une simple page web avec un champ de saisie pour valider le concept. Une fois prouvé, la version mobile a été construite en quelques jours. Le développement a été accéléré par des outils d’IA :

• Cursor et Claude pour la génération de code.

• Kits UI prêts à l’emploi de la Figma Community Templates pour le design.

Un obstacle inattendu : le serbe utilise à la fois les alphabets cyrillique et latin. Les modèles d’IA mélangeaient les scripts de façon incohérente, et la synthèse vocale AWS n’acceptait que le latin. La solution ? Un convertisseur algorithmique plutôt que des ajustements de prompts IA.

Lancement et retours utilisateurs

La sortie initiale sur iOS a révélé des bugs et cas limites passés inaperçus en tests. Les avis négatifs ont fourni des insights cruciaux pour stabiliser l’app. La distribution s’est faite via :

• Le canal Telegram de l’auteur (1 500 abonnés).

• Des posts dans le hub « Self-promotion » de Habr, attirant environ 700 utilisateurs.

Un gros stress : l’intégration Google Play de RevenueCat a buggé, remboursant automatiquement les paiements réussis. Cela a provoqué de mauvais avis et un risque de ban de compte. Résolu par des ajustements manuels.

État actuel et plans futurs

À ce jour, l’app compte :

• Plus de 1 000 utilisateurs inscrits.

• 700 utilisateurs actifs sur les 28 derniers jours.

• 5 abonnements payants.

Points clés de la roadmap :

• Améliorer la stabilité de l’IA, surtout pour les langues rares.
• Fluidifier le parcours utilisateur de l’ajout de mots à la maîtrise.
• Explorer la génération d’images pour un rappel associatif, en équilibrant les coûts en tokens.

Leçons principales

• L’IA booste le développement mais ne remplace pas le codage approfondi – les réseaux neuronaux ont cloué le MVP, mais des problèmes épineux comme les paiements ont requis des fixes manuels.

• La distribution prime sur le code parfait – un MVP brut résolvant un vrai problème peut décoller via des posts ciblés.

• Résolvez d’abord vos propres problèmes – si c’est utile pour vous, ça le sera pour d’autres.

• Le support multilingue exige de la finesse – des particularités comme les deux alphabets serbes demandent des astuces techniques ingénieuses.

— Editorial Team