Défi relevé : de zéro à l’App Store en deux semaines

Défi relevé : de zéro à l’App Store en deux semainesEn 14 jours, Mapsiti a été conçue, développée et publiée sur l’App Store comme une expérimentation assistée par IA. L’IA a tenu les rôles de product owner, de développeur et de stratège ; les humains ont gardé la structure, les tests et l’intégrité technique. Des garde-fous ont maintenu plus de 18 000 lignes de SwiftUI et MapKit propres et prêtes pour la production. L’expérience prouve que l’IA associée à la discipline PMO comprime des mois en semaines — non sans quelques leçons.Par Denis Zysman — 2025-01-23Le défiDans le paysage numérique actuel, le temps de mise sur le marché fait tout. Pour tester les limites du développement assisté par IA, notre équipe s’est lancé un défi : concevoir et publier sur l’App Store une application iOS pleinement fonctionnelle en moins de deux semaines.Le résultat s’appelle Mapsiti — un compagnon de planification d’itinéraires pour iOS Maps qui permet de construire, d’enregistrer et de partager des trajets à plusieurs étapes. Ce qui aurait normalement demandé des mois de cadrage, de développement et de lancement a été livré en 14 jours. Voici comment, et surtout ce que nous en avons appris.L’applicationApple Plans ne permet ni d’enregistrer ni de partager un itinéraire. Mapsiti est le complément qui le fait : créer, enregistrer et partager des trajets à plusieurs étapes, puis passer la main à iOS Maps pour le guidage immédiat.

Rechercher et ajouter n’importe quel lieu, avec notes et photos.

Transport multimodal : voiture, marche, transports en commun, vélo.

Recherche en un geste des points d’intérêt courants — parcs, sentiers, musées.

L’ensemble du trajet visualisé sur une carte interactive et lisible.

Réorganisation des étapes et planification du parcours.

Lancement instantané du guidage dans iOS Maps.

Itinéraires illimités, enregistrés et partagés entre appareils ou entre amis.

Synchronisation iCloud transparente, sans création de compte.

Aucune publicité.

Concept : l’IA comme partenaire d’entraînementLes fondations de Mapsiti se sont construites au fil de longues conversations avec des modèles d’IA. L’IA a simulé des entretiens utilisateurs, éprouvé des scénarios de voyage et remis en cause les hypothèses de départ. L’analyse concurrentielle a révélé les manques des outils existants et affiné la proposition de valeur : une planification multimodale, fluide et sans publicité, directement branchée sur iOS Maps.Avant la première ligne de code, l’IA a servi à :

Analyser la concurrence sur l’App Store et résumer les fonctionnalités manquantes.

Affiner le positionnement autour de la simplicité sans publicité et de la synchronisation iCloud sans identifiant.

Évaluer la faisabilité en éprouvant les approches techniques avec MapKit et SwiftUI.

Mener une session de cadrage — l’atelier structuré où décideurs, designers, développeurs et analystes s’accordent sur la vision, les objectifs, la faisabilité technique et la feuille de route.

L’IA donne le meilleur d’elle-même traitée comme un partenaire d’entraînement, pas comme un outil. Plus les questions sont tranchantes, plus l’idée l’est. Valider ne consiste pas à confirmer que l’idée est bonne : il s’agit d’en réfuter chaque faiblesse jusqu’à ce qu’il ne reste qu’une stratégie viable.L’équipe : quatre personnes et beaucoup de levierL’équipe est restée volontairement réduite, l’IA tenant plusieurs rôles :

Un product owner IA — non seulement pour définir les fonctionnalités, prioriser et structurer les user stories, mais pour construire l’application directement dans Cursor. Il a pris des micro-décisions en continu pendant le développement, façonnant la vision en temps réel. Au lieu de longues spécifications, les exigences ont évolué dynamiquement, quitte à être infléchies ou simplifiées quand l’IA butait sur la faisabilité. La documentation s’en est trouvée réduite, le périmètre inhabituellement souple, et la progression ne s’est jamais arrêtée.

Un développeur — pour poser l’architecture, faire respecter les règles et débloquer les situations où l’IA s’enlisait ou hallucinait. Il est resté l’autorité finale sur la direction technique et la structure.

Deux testeurs — pour valider les builds, mener des tests exploratoires et donner un retour rapide de type utilisateur, afin d’itérer vite.

L’IA réduit fortement la fragmentation des rôles : le product owner IA conçoit et construit à la fois. Mais la supervision humaine reste indispensable pour imposer une structure et empêcher la dérive vers la dette technique.Construction : la stack et les standards

IDE Cursor, avec un prompting intensif.

Modèles : Claude 4 Sonnet, Claude 4.1 Opus, GPT-5, Gemini 2.5 Pro.

18 000 lignes de SwiftUI et MapKit générées en deux semaines.

Localisation complète en six langues, traduite avec GPT-5.

SwiftData et CKSyncEngine ont été retenus — avec l’aide de l’IA — pour persister les données et les synchroniser entre appareils via iCloud. Ces frameworks récents, publiés par Apple en 2023 et 2022, suppriment une quantité importante de code répétitif et masquent les parties difficiles : reprises exponentielles, persistance disque, gestion des conflits. Le code final en ressort nettement plus simple et plus modulaire — exactement ce dont un développement rapide assisté par IA a besoin.Utiliser l’IA pour vérifier les frameworks et les bonnes pratiques du moment simplifie le développement, allonge la durée de vie du code et réduit le risque de voir l’expertise de l’équipe se démoder sans bruit.Gestion de projet

Kanban dans Jira, avec un point quotidien.

Quatre « crunchs » — des poussées intenses en fin de journée — sur les deux semaines, pour tenir le rythme.

Marketing et préparation du lancement

Icône et visuels co-créés avec GPT-5, puis retravaillés en maquettes photoréalistes.

Description du store et textes ASO affinés avec l’IA pour maximiser la visibilité.

Campagnes sociales automatisées via make.com et RSS.com pour créer rapidement de la notoriété.

Stratégie de lancement et publicités rédigées avec l’IA, nomination App Store assistée.

L’IA accélère le code comme le contenu. Mais sans discipline PMO — un backlog clair, un point quotidien, des crunchs maîtrisés — le processus vire au chaos.Contrôle : garde-fous et testsLa leçon la plus importante du projet : coder avec l’IA sans garde-fous mène très vite à une complexité ingérable. Pour l’éviter, nous avons mis en place un fichier .cursorrules strict, afin que l’IA respecte l’architecture, les conventions et les pratiques de test du projet. Quelques exemples :

Qualité du code : compiler, tester et corriger toutes les erreurs critiques avant d’avancer. Refactorer toute fonction de plus de 100 lignes ou classe de plus de 500. SwiftLint impose le style.

Architecture : garder la logique locale à chaque fonctionnalité, sans dépendance croisée sauf via des interfaces de service. S’en tenir à MVC ou MVVM — pas de logique improvisée dans les contrôleurs. Les services sont injectés, jamais des clients API codés en dur.

Tests et performance : couverture de code activée avec un seuil minimum, impact sur les performances mesuré avant toute fusion expérimentale, au moins un test unitaire par branche de fonctionnalité.

Sécurité et UX : aucune clé d’API, aucun secret ni identifiant en dur. HTTPS partout. Mode sombre et Dynamic Type dès le premier jour.

Ces règles ont trouvé le bon équilibre : l’IA pouvait produire de gros volumes de SwiftUI très vite, mais dans un cadre qui gardait le résultat propre, testable et prêt pour la production.L’IA sans garde-fous, c’est le chaos. Les règles Cursor ont apporté la discipline qui lui manque et transformé la génération brute en logiciel maintenable.Ce que nous dirions à la prochaine équipe

S’accorder tôt sur les grandes fonctionnalités : l’architecture centrale se définit en amont.

Commencer par les user stories et les maquettes, puis laisser l’IA itérer sur les écrans et les parcours.

Poser des règles IA fortes dans Cursor — les garde-fous évitent une production brouillonne et incohérente.

Utiliser l’IA pour vérifier les standards, pratiques et frameworks récents : code plus simple, durée de vie plus longue.

Laisser l’IA prendre l’initiative sur la mise en page, mais faire respecter les standards.

Le développeur pose la structure. L’humain tient les fondations, l’IA remplit les détails.

Ne pas s’acharner. Si l’IA bloque, remonter au développeur plutôt que forcer.

Repartir de zéro quand c’est perdu. Si l’IA part en hallucinations ou s’enferme dans un labyrinthe, réinitialiser avec des contraintes plus serrées.

S’en tenir au MVP. Livrer vite, affiner ensuite — la rentabilité n’est démontrée que lorsqu’un euro de marketing rapporte plus d’un euro de profit.

Passer à l’échelle est un autre problèmeL’approche MVP était idéale pour un lancement rapide, mais la véritable montée en charge demande plus que la vitesse de l’IA. Ce sont les fondations structurelles — une infrastructure serveur robuste, une base de données pensée pour croître, une architecture logicielle délibérée — qui portent la croissance, les performances et la fiabilité dans la durée.L’IA produit vite des fonctionnalités ; une montée en charge durable exige d’investir dans l’architecture et le back-end. Sans cela, une application devient fragile, difficile à étendre, incapable d’absorber la demande réelle. Le chemin vers l’échelle est un équilibre : l’IA pour la vitesse de livraison, l’ingénierie disciplinée pour un socle capable de supporter la suite.Réflexion finaleMapsiti est passée du concept à l’App Store en deux semaines. Mais la vitesse seule n’était pas la victoire. Le vrai résultat, c’est d’avoir prouvé que l’IA, une pratique PMO solide et des garde-fous stricts livrent ensemble non seulement du code, mais la stratégie, le design, le marketing et la préparation du lancement en parallèle.

L’IA ne remplacera ni les dirigeants, ni les chefs de produit, ni les équipes techniques. Mais ceux qui l’exploitent avec structure, discipline et un plan pour l’échelle prendront de l’avance sur les autres.