FitIn

FitIn est une application mobile de fitness innovante qui exploite une architecture IA avancée pour offrir des expériences de coaching personnalisées. J'ai conçu et déployé une architecture de système RAG (Retrieval-Augmented Generation), intégrant un modèle de langage de grande taille (LLM) avec une base de données vectorielle stockée sur Supabase (PostgreSQL) pour garantir des séances d'entraînement pertinentes et contextuelles basées sur une base de connaissances complète. Cette approche a réduit le taux d'hallucination de l'IA d'environ 30% et amélioré la pertinence des plans générés de 15% (mesurée par le taux de complétion des utilisateurs). L'application est construite sur une architecture full Serverless utilisant les Supabase Edge Functions pour la gestion des requêtes API et la logique métier critique, permettant une scalabilité horizontale des sessions d'entraînement tout en optimisant les coûts d'infrastructure. Cette approche Serverless a réduit les coûts d'hébergement backend d'environ 40% par rapport à une architecture VM traditionnelle tout en gérant les pics de trafic sans latence. J'ai développé un modèle de monétisation Freemium complet avec un système de Coach Points pour déverrouiller des services premium, intégrant AdMob pour les bannières et les Rewarded Video Ads, et Stripe pour les paiements d'abonnement premium. Cette stratégie de monétisation a augmenté le revenu potentiel par utilisateur gratuit d'environ 25% grâce au système de récompenses par points et a assuré une conversion Ad-Free fluide vers les abonnements payants. En tant que Développeur Full Stack/Architecte, j'ai géré l'ensemble du cycle de vie du projet de la conception du modèle de données à l'implémentation détaillée de l'interface utilisateur, aboutissant à une publication réussie sur l'Apple App Store et Google Play Store.