Coach fitness IA avant ChatGPT : pourquoi MyTrainer est différent

Les applications de coach fitness IA existent depuis plusieurs années, bien avant l'arrivée de ChatGPT.

C'est un point important, parce qu'on parle souvent de l'IA dans le fitness comme si toute la catégorie était née fin 2022. Ce n'est pas le cas. La vraie question n'est pas de savoir si les applications de fitness avec IA sont nouvelles. La vraie question est de savoir quel type d'IA elles utilisent, comment cette IA est intégrée au produit, et si l'application devient meilleure à mesure que les modèles progressent.

Si vous voulez comprendre plus largement pourquoi je pense que l'IA est pertinente pour le coaching, je l'ai expliqué dans L'IA est-elle pertinente pour le coaching en ligne ?. Cet article se concentre sur un point plus précis : pourquoi MyTrainer est structurellement différent des anciennes applications de fitness basées sur l'IA.

Les anciennes applications de fitness avec IA existaient déjà

Certaines des applications mobiles les plus connues utilisant l'IA pour générer des entraînements, comme FitnessAI, Fitbod, Freeletics ou Fitness Coach, existent depuis de nombreuses années. C'est d'ailleurs une grande partie de la raison pour laquelle elles restent si visibles aujourd'hui : elles ont accumulé très tôt des avis sur les stores, gagné en visibilité dans les classements, puis conservé cette avance.

Ces applications utilisaient déjà l'IA pour résoudre de vrais problèmes. Elles pouvaient générer des plans d'entraînement, recommander des exercices ou ajuster automatiquement le nombre de répétitions en fonction des séances précédentes. En ce sens, ce n'étaient pas de faux produits IA. Elles utilisaient ce que j'appellerais une IA classique : des modèles et des règles construits sur une grande base de données d'exercices, optimisés pour produire des sorties cohérentes et pratiques.

Cette approche fonctionne. C'est une des raisons pour lesquelles ces applications ont réussi.

Mais elle a aussi une limite. La plupart de ces produits sont construits autour d'un onboarding statique, sous forme de formulaire. Vous répondez à une liste de questions prédéfinies, le système mappe vos réponses vers une logique finie, et le programme généré devient en grande partie déterministe. La variété vient surtout de la taille de la base d'exercices et du nombre de règles du système. L'expérience est efficace, mais étroite.

L'autre limite est technologique. Quand l'intelligence est essentiellement propriétaire et étroitement couplée à une stack plus ancienne, l'améliorer devient coûteux. Mettre à jour ce type de système avec de nouvelles données scientifiques, une meilleure capacité de raisonnement, plus de personnalisation et une interaction plus souple n'est pas impossible, mais c'est beaucoup plus difficile que de construire directement sur des modèles génératifs de pointe.

Pourquoi MyTrainer est différent

MyTrainer AI est différent parce qu'il a été conçu comme une application AI-native.

Par AI-native, j'entends un produit pensé autour de l'IA générative, et non une application traditionnelle à laquelle on ajoute une couche d'IA. L'IA générative est une technique différente, et elle a changé ce qu'il est possible de construire en termes de produit. Si la catégorie a accéléré après ChatGPT, ce n'est pas seulement parce que l'IA est devenue plus populaire. C'est parce que l'expérience utilisateur, l'adaptabilité et l'intelligence des modèles ont profondément évolué.

Beaucoup de personnes réduisent des produits comme MyTrainer à de simples GPT wrappers. Je pense que c'est une mauvaise grille de lecture. Si vous construisez une application de fitness, vous n'allez pas dépenser davantage qu'OpenAI ou Anthropic pour créer un meilleur foundation model vous-même. Ces entreprises ont levé et dépensé des milliards de dollars, et elles emploient certains des meilleurs chercheurs du monde. Si votre ambition est de construire le meilleur produit utilisateur possible, la décision rationnelle consiste à vous appuyer sur les meilleures technologies disponibles, puis à vous différencier par l'architecture produit, l'orchestration, les évaluations et l'expérience utilisateur.

C'est exactement ce que nous faisons chez MyTrainer. Nous utilisons des modèles frontier parce qu'ils surperforment aujourd'hui sur les dimensions qui comptent le plus : l'adaptabilité, la qualité du raisonnement, la compréhension du contexte et la capacité à synthétiser des informations utilisateur complexes en recommandations utiles.

Chez MyTrainer, nous avons aussi des benchmarks internes orientés fitness pour évaluer les modèles à utiliser. Le choix des modèles n'est pas basé sur le hype ou sur une page marketing. Il est basé sur leur performance réelle sur les tâches de coaching, d'entraînement, de nutrition et de gestion de contexte qui comptent dans l'application. J'écrirai un autre article pour détailler la façon dont nous menons ces évaluations.

L'hyperpersonnalisation de l'onboarding

Le flux AI-native commence dès la toute première étape : l'onboarding.

Après la création de votre compte, MyTrainer AI vous pose des questions pour collecter toutes les informations dont il a besoin afin de construire le meilleur plan personnalisé possible. Ce n'est pas la même expérience que poser une question à ChatGPT pour obtenir un programme et espérer que votre prompt soit suffisamment bon. Dans MyTrainer, c'est l'IA qui pilote la conversation. C'est elle qui pose les questions. Vous, vous répondez.

Cette différence est critique, parce qu'elle élimine l'une des principales faiblesses de l'IA générative généraliste : la qualité du prompt. La plupart des utilisateurs ne sont pas des experts du prompting. Ils ne savent pas forcément quelles informations sont réellement importantes pour construire un bon plan d'entraînement. Un bon produit ne devrait pas exiger de l'utilisateur qu'il sache déjà parfaitement instruire le système.

L'interface conversationnelle permet aussi d'inclure beaucoup plus de détails qu'un formulaire statique. Si vous voulez vous entraîner 45 minutes le lundi et seulement 30 minutes le mardi, vous pouvez le dire précisément. Si vous avez accès à une salle complète en semaine mais seulement à des bandes et des haltères le week-end, vous pouvez l'expliquer naturellement. Si vous sortez d'une période de stress au travail et que vous voulez reprendre progressivement, vous pouvez aussi le préciser.

Dans les anciennes applications avec formulaire fixe, le système pose souvent une seule question large, comme le temps d'entraînement souhaité, puis applique cette réponse trop uniformément à l'ensemble des séances. Ce n'est pas de la personnalisation. C'est une compression.

C'est ce que j'appelle l'hyperpersonnalisation : capter les contraintes et les nuances d'une vraie vie au lieu d'aplatir le tout en quelques champs.

L'onboarding inclut aussi un mode vocal, ce qui rend l'expérience plus rapide et plus confortable. En pratique, il faut généralement environ trois minutes pour le terminer. Trois minutes suffisent pour obtenir un plan beaucoup plus adapté que ce que permettent la plupart des formulaires statiques.

MyTrainer AI peut également demander des photos en maillot de bain pour analyser la morphologie et la composition corporelle. Cette étape est optionnelle, et uniquement proposée si l'utilisateur se sent à l'aise. Les données personnelles sont traitées avec sérieux, et notre approche est détaillée dans la politique de confidentialité.

Le support coaching de MyTrainer AI

Une fois l'onboarding terminé et l'accès complet à l'application débloqué, l'interface de chat ne disparaît pas. Vous pouvez continuer à parler à MyTrainer AI à tout moment, où que vous soyez, et obtenir du support directement dans le produit plutôt qu'en dehors de celui-ci.

C'est important, parce que les besoins de coaching n'arrivent pas au calme, devant un bureau, pendant que vous planifiez votre semaine. Ils apparaissent dans des situations réelles. La machine que vous deviez utiliser est prise. Un exercice irrite votre épaule. Il vous manque l'ingrédient prévu pour votre repas. Vous avez besoin de décaler la séance du lendemain à la dernière minute.

MyTrainer AI peut répondre dans le bon contexte parce qu'il connaît déjà votre profil, vos objectifs, votre planning, vos séances et votre configuration nutritionnelle. Je travaille sur la gestion du contexte IA depuis des années, et j'écrirai un autre article pour détailler la façon dont le contexte de MyTrainer AI est orchestré pour améliorer la qualité des réponses.

Le point clé est que MyTrainer ne se contente pas de répondre. Il agit aussi.

Il ne fait pas que discuter. Il agit.

Il existe deux grands niveaux d'action dans MyTrainer.

1. Dans le chatbot, en temps réel

Dans le chat, MyTrainer AI est connecté à des outils internes qui lui permettent d'adapter vos séances et vos repas pendant que vous discutez avec lui. Si vous voulez décaler une séance à la dernière minute, il peut le faire. Si vous avez besoin de remplacer un repas ou un exercice, il peut mettre à jour le plan au lieu de simplement vous expliquer ce qu'il faudrait faire en théorie.

Cela change le rôle de l'IA dans le produit. Ce n'est pas seulement une couche de recommandation. Elle devient une couche opérationnelle à l'intérieur du système de coaching.

2. Pendant que vous dormez

C'est l'une des avancées produit les plus fortes de MyTrainer.

Pendant la nuit, MyTrainer AI peut revoir vos informations, y compris vos données de santé si vous avez connecté un wearable à l'application. Il peut ensuite décider d'agir et vous envoyer une notification personnalisée. Si votre sommeil est mauvais et que votre niveau de stress est élevé cette semaine, il peut automatiquement ajuster votre charge d'entraînement et vous prévenir afin de réduire le risque de blessure et de maintenir votre motivation.

C'est un comportement produit fondamentalement différent de celui d'une application passive qui attend que l'utilisateur l'ouvre et demande quelque chose. Si vous voulez essayer l'application, vous pouvez la télécharger sur MyTrainer.

Les bilans mensuels

Chaque mois, un bilan mensuel avec MyTrainer AI est planifié dans votre calendrier.

C'est essentiel, parce qu'un vrai système de coaching a besoin de points de revue structurés. Un plan d'entraînement ne devrait pas rester fixe pendant que l'athlète évolue. Les calories et les macronutriments doivent s'ajuster à la progression réelle. Les exercices que l'utilisateur n'aime pas ou qu'il exécute mal doivent être remplacés. Si l'objectif est l'hypertrophie, le système doit vérifier qu'une surcharge progressive est bien en place. Si la récupération se dégrade, il faut réagir avant que la motivation s'effondre ou qu'une blessure apparaisse.

MyTrainer AI se souvient de votre point de départ, ce qui signifie qu'il peut raisonner en termes de progression au lieu de simplement répondre à un message isolé. Il peut comparer votre situation actuelle à celle du départ, ajuster le mois suivant en conséquence, et garder le programme aligné avec votre évolution réelle au lieu de rester bloqué sur une photo instantanée du premier jour.

Cette mémoire compte aussi pour la motivation. Il est beaucoup plus facile de tenir dans la durée quand le produit comprend la trajectoire et vous la renvoie de manière concrète.

Conclusion

Les applications de coach fitness IA ne sont pas nées avec ChatGPT. Des produits plus anciens utilisaient déjà l'IA avec succès pour générer des entraînements et structurer des plans.

Ce qui a changé, c'est l'architecture. MyTrainer a été construit autour de l'IA générative, ce qui rend possible un niveau différent de personnalisation et d'adaptation. L'onboarding est conversationnel et détaillé. La couche de support est contextuelle. Le système peut agir en temps réel. Les revues nocturnes et les bilans mensuels rendent le produit actif au lieu d'être passif.

C'est pour cela que je décris MyTrainer comme un produit AI-native. Ce n'est pas seulement une application de fitness avec une fonctionnalité IA. C'est un produit de coaching pensé dès le départ autour de ce que les modèles frontier peuvent faire lorsqu'ils sont bien intégrés.

Et cette différence va continuer à s'amplifier à mesure que les modèles progresseront.