Tech • IA • Robotique • Jeu
Comment créer votre première application avec GPT 6 Astra en 18 minutes
5/10INTRO
Une construction en cinq prompts de Form, un tracker d’entraînement premium créé avec GPT6 Astra, a montré qu’un prompting structuré peut produire une application utilisable avec journalisation adaptative, analyses en direct, détection des records personnels, contrôles intelligents de l’historique, suivi des séries de jours et mise en page prête pour le mobile.
POINTS CLÉS
De l’idée à la structure du produit
L’application a commencé comme un tracker d’entraînement en thème sombre appelé Form, avec une typographie épurée, un espacement généreux et un accent vert citron. Sa structure initiale comprenait une barre latérale, une page Log et un Dashboard, donnant dès le départ une enveloppe complète au produit plutôt qu’un seul écran isolé. La page Log utilisait une mise en page en deux colonnes, avec un formulaire d’entraînement à gauche et des cartes d’historique défilables à droite.
Journalisation d’entraînement adaptative
Le formulaire changeait selon le type d’entraînement grâce à des sélecteurs en forme de pilule pour strength, cardio et flexibility. Les entrées de musculation affichaient séries, répétitions et poids, le cardio les remplaçait par durée et distance, et la flexibilité réduisait la saisie à la seule durée. Ce comportement adaptatif permettait au tracker de mieux correspondre aux habitudes réelles d’entraînement, au lieu de forcer chaque séance dans le même modèle.
Dashboard connecté à des données réelles
Le Dashboard est d’abord apparu avec quatre cartes de statistiques et un graphique factice, puis a été amélioré pour calculer des valeurs en direct à partir des entraînements enregistrés. Les cartes suivaient le total des séries, le total des répétitions, le poids total en kilogrammes et les entraînements terminés cette semaine, tandis qu’un graphique en barres répartissait le volume d’entraînement par type d’exercice. Chaque nouvel entraînement mettait automatiquement à jour les cartes et le graphique, transformant le dashboard d’une maquette en une vraie couche analytique.
Modales interactives des cartes de statistiques
Chaque carte du dashboard est devenue cliquable et ouvrait une modale avec une apparition progressive fluide sur une surcouche sombre. À l’intérieur, l’application affichait une répartition hebdomadaire jour par jour pour la métrique sélectionnée au moyen d’un tableau ou d’un mini-graphique. La modale pouvait être fermée soit avec un bouton de fermeture, soit en cliquant à l’extérieur, ajoutant un niveau de finition souvent absent des démos d’applications générées par IA.
Reconnaissance des records personnels
L’historique de la page Log a été amélioré pour détecter les records personnels en comparant chaque nouvel entraînement aux entrées précédentes du même exercice. Une nouvelle entrée était qualifiée lorsque son poids ou son nombre de répétitions dépassait tous les records antérieurs pour ce mouvement. Les cartes concernées recevaient un badge en dégradé doré avec une icône de trophée et une brève animation lumineuse de bordure, transformant la liste d’historique en outil de suivi des progrès plutôt qu’en archive passive.
Recherche et filtres temporels
L’historique des entraînements a aussi gagné une barre de recherche en temps réel et des filtres rapides en forme de pilule pour aujourd’hui, cette semaine, ce mois-ci et depuis toujours. Le filtre actif était mis en évidence en vert citron, et la recherche fonctionnait simultanément avec la période choisie. Cette approche remplaçait les champs de date manuels par des contrôles mieux adaptés à la façon dont les gens consultent habituellement leur entraînement.
Suivi des séries de jours et refonte mobile
Une mise à jour finale a ajouté un compteur de série au-dessus du formulaire, affiché comme une carte marquée avec une icône de flamme, un grand total courant et un libellé day streak. La série comptait les jours consécutifs avec au moins un entraînement enregistré et n’était pas artificiellement gonflée par plusieurs séances le même jour. Cette même passe a aussi optimisé l’application pour un écran mobile de 375 pixels, en remplaçant la barre latérale par une barre d’onglets inférieure, en plaçant Dashboard avant Log, en empilant la mise en page du journal sur une seule colonne et en organisant verticalement les cartes du dashboard.
Un résultat cohérent après cinq prompts
La démonstration finale a montré tous les systèmes fonctionner ensemble: enregistrer un entraînement mettait à jour la série, rafraîchissait les totaux du dashboard et, le cas échéant, déclenchait un badge de record personnel et une animation lumineuse. La recherche et les filtres continuaient à réduire correctement les résultats de l’historique, tandis que les modales affichaient les détails des métriques sans perturber l’interface principale. Le résultat suggérait qu’un prompting clair et séquentiel peut pousser la génération d’applications par IA au-delà de maquettes tape-à-l’œil vers un logiciel réellement utilisable.
CONCLUSION
Le test a indiqué que GPT6 Astra peut transformer une idée bien cadrée en une première application cohérente lorsque les fonctionnalités sont ajoutées par étapes délibérées. La leçon principale concernait moins l’automatisation instantanée que la discipline du prompt: une structure solide et un raffinement progressif ont produit le résultat le plus crédible.
Explique-moi