EduClair
Un assistant pour que les parents s'y retrouvent dans l'information de l'école
- UX Research
- Conception d'agent IA
- Product Strategy
- Figma MCP
- Front-end avec l'IA
- Mise en production
- Rôle
- Product Designer & Product Builder
- Période
- Janvier 2026 à aujourd'hui
- Équipe
- Projet mené seul
- Périmètre
- Recherche · Agent IA · UX/UI · Mise en production



4 423
messages de parents analysés
16
écrans maquettés, dont 11 pour l'agent
5
semaines de build jusqu'au MVP en ligne
L'essentiel, avant le détail
Le problème. Les parents jonglent entre l’ENT de l’école, les groupes de messagerie, ce que racontent leurs enfants et un agenda pas toujours à jour. L’information existe, mais il faut encore la chercher, la recouper, et la comprendre.
Mon rôle. Le produit entier, du cadrage jusqu’à la mise en production, en solo : la recherche, la conception de l’agent Claire IA, les maquettes, puis l’implémentation avec un agent IA.
Le résultat. Un MVP de 5 écrans, en ligne, construit en 5 semaines une fois le cadrage bouclé. Pas encore de test utilisateur mené, mais le protocole, lui, est prêt.
Une information qui existe, mais qu'il faut aller chercher
Pour un parent, suivre la vie de l’école, c’est ouvrir l’ENT, parcourir des groupes de messagerie, écouter ce que racontent les enfants, consulter un agenda pas toujours à jour, puis tout recouper. L’information est là, simplement dispersée.
Avant la moindre maquette, je suis parti du réel : j’ai analysé 4 423 messages de parents, et relevé 68 écrans de l’app École Directe. Sept freins majeurs en sont ressortis.
Comprendre, concevoir, construire, déployer
Quatre temps, menés seul, du cadrage jusqu’à la mise en ligne.
- 01
Cadrer
Recherche terrain (analyse de plus de 4 000 messages de parents), benchmark concurrent, brief produit
- 02
Concevoir
Parcours, maquettes et design system dans Figma. Itérations sur les écrans clés avant tout code
- 03
Construire
Implémentation assistée par IA : Vite, React, Tailwind, shadcn/ui. Je pilote et je vérifie chaque écran produit
- 04
Déployer
Versionné sur GitHub, mis en ligne sur Vercel, itéré en continu
Ce que Claire IA devait garantir
Une réponse d’IA n’a de valeur pour un parent que s’il peut lui faire confiance. J’ai donc conçu l’agent comme une interface, avec quatre règles de conception.
- 01
Citer sa source à chaque réponse
- 02
Afficher l'horodatage de l'information
- 03
Refuser de répondre sans donnée fiable
- 04
Clarifier avant de proposer un plan
Claire IA, un agent conçu comme une interface
Source citée, horodatage visible, refus de répondre sans donnée fiable, clarification avant de proposer un plan : ce sont autant des choix d’interface que des choix d’IA. Onze des seize écrans maquettés lui sont consacrés.


Une app pensée pour la famille
Seize écrans maquettés dans Figma, puis systématisés avec les composants shadcn/ui, dont deux écrans clés : l’ajout du premier enfant, et la vue par enfant.


Construit avec l'IA, relu écran par écran
Les composants React sont générés via Figma MCP et un agent IA. Je garde la main : chaque écran est relu avant de passer au suivant, puis déployé sur Vercel à chaque push GitHub.
Ce qui est établi, et ce qui ne l'est pas encore
Je sépare ce qui est vérifié de ce qui reste à démontrer : rien n’est présenté comme mesuré sans l’être vraiment.
- Établi
Un MVP de 5 écrans en production
- Établi
5 semaines de build, une fois le cadrage posé
- Établi
Un déploiement continu, à chaque push GitHub sur Vercel
- Pas encore établi
Pas encore de test utilisateur, mais le protocole est prêt
- Pas encore établi
L'agent n'est pas encore connecté à un modèle en production
À vérifier après les premiers tests avec des parents
La bibliothèque de composants, c'est shadcn/ui : installée, pas créée de toutes pièces. Et les réponses de Claire IA sont scénarisées : le prototype valide l'expérience, pas le modèle
