Je reviens toujours à la même obsession. Je veux comprendre ce qui se passe entre une entrée et un résultat.
Quand un programme fonctionne, je cherche la règle qui produit le comportement. Quand un circuit s’allume, je veux suivre le courant et savoir ce qui ferait griller la LED. Quand un agent choisit une direction, je veux voir son calcul. Quand je révise, je veux distinguer ce que je reconnais de ce que je peux réellement retrouver et utiliser.
SupraLearning vient de cette manière de fonctionner. Je construis les outils que j’aurais voulu trouver quand une explication me donnait les mots, mais pas encore le mécanisme.
2–3 octobre 2026 / Relier les cinq produits
Cognitive Atlas complète maintenant FlashLearning, les deux labs et DevLab101. Leurs rôles restent distincts : comprendre, rappeler, expérimenter et pratiquer.
J’ai raccordé leurs traces au passeport avec un compte Firebase commun et une première connexion par domaine. Les sources gardent leurs compteurs ; une donnée absente reste indisponible. Le passeport ne calcule pas de score global de maîtrise.
Les règles Firebase sont publiées. Les derniers connecteurs et les interfaces sombres ont été vérifiés localement ; leur présence complète sur les domaines publics reste à confirmer.
01 / Le point de départ
Regarder derrière le résultat
Après une bonne réponse, je cherche encore ce qui l’a rendue possible. Quelles pièces ont bougé ? Quelle règle a été appliquée ? Quel signal a changé ? Dans quelles conditions le résultat deviendrait faux ?
Cette curiosité a façonné ma manière d’apprendre et de construire. Je décompose un sujet, je représente ses dépendances, je manipule une variable et j’observe la conséquence. Le design m’aide à choisir ce qu’il faut montrer. Le code m’oblige à préciser la règle. Le produit relie cette règle à une action utile pour la personne.
C’est aussi la raison pour laquelle je travaille comme Product Engineer. Une décision d’interface m’intéresse jusque dans l’état, la donnée, la sécurité et le comportement qui la rendent vraie.
02 / Comprendre
Pouvoir prédire ce qui va se passer
La familiarité donne facilement une impression de maîtrise. Je peux reconnaître une phrase, suivre un tutoriel ou reproduire une suite de clics sans savoir repartir seul. J’utilise donc un test plus exigeant : fermer l’explication et prévoir la suite.
Si je comprends une boucle React, je dois pouvoir expliquer ce qui déclenche le rendu suivant. Si je comprends Git, je dois anticiper l’effet d’une commande sur le graphe, l’index et le répertoire de travail. Si je comprends une résistance, je dois prévoir ce qui change dans le circuit quand sa valeur change.
La prédiction révèle le modèle mental. L’erreur devient alors utile, parce qu’elle montre précisément la partie du mécanisme que j’avais mal reconstruite.
03 / Traduction produit
Donner une forme manipulable au mécanisme
Chaque produit SupraLearning transforme cette idée en interaction. Dans SupraLab AI, six agents traversent le même labyrinthe. Le décor reste stable ; la décision change. Je peux alors isoler ce que font le hasard, une règle, une Q-table ou un réseau de neurones.
Dans SupraLab Electronics, un cours sur la résistance mène à un montage que le simulateur peut accepter, refuser ou diagnostiquer. Dans DevLab101, le terminal et le graphe Git évoluent ensemble. Dans FlashLearning, la réponse reste cachée jusqu’à la tentative, puis la confiance et la qualité du rappel déterminent ce qui revient.
Je cherche toujours la même séquence : agir, voir la conséquence, expliquer la cause, corriger puis recommencer. Une animation ou une bonne explication peut ouvrir la porte. La manipulation vérifie si le modèle tient.
04 / Écosystème
Faire circuler un même apprentissage entre plusieurs terrains
Une seule interface ne convient pas à tous les gestes. Lire une explication, manipuler un circuit, réparer un dépôt Git et rappeler une notion ne demandent ni le même rythme ni le même espace.
J’ai donc organisé SupraLearning en quatre terrains. Apprendre construit les modèles mentaux. Les labs rendent un mécanisme visible. Les apps maintiennent une pratique dans le temps. Les ressources permettent de retrouver une explication ou une référence. Le hub sert à choisir le terrain utile maintenant et à conserver le fil entre eux.
La connexion entre ces produits m’intéresse davantage que leur accumulation. Une notion peut commencer dans un article, devenir une expérience dans un lab, revenir sous forme de rappel, puis être utilisée dans un projet. Le résultat important se produit hors de l’écran : expliquer, diagnostiquer, construire ou décider sans dépendre de l’outil.
05 / Fabrication
Traiter la pédagogie, l’UX et le code dans la même boucle
Je ne peux pas tester une hypothèse pédagogique avec une interface qui la contredit. Demander un rappel actif suppose de retarder la réponse. Comparer deux agents suppose de garder le même environnement. Valider un circuit suppose de lire les composants, les connexions et le résultat du simulateur. Recommander une prochaine action suppose une règle que je peux expliquer et tester.
Ces contraintes passent directement dans l’architecture. Les moteurs de révision restent séparés de l’interface. Les simulations exposent leur état. La progression part des preuves produites dans le lab. La persistance locale garde une pratique disponible, puis le compte partagé permet de reprendre quand le produit le justifie.
Je travaille ainsi du cadrage à la mise en ligne parce que la boucle perd vite son sens quand une intention se dilue entre le parcours, la règle métier et l’implémentation.
06 / Signaux
Chercher des preuves plus fortes qu’une barre remplie
Un module terminé, des XP ou du temps passé décrivent une activité. Je cherche des signaux plus proches de la capacité : prédire une conséquence, retrouver une idée sans support, diagnostiquer une erreur, construire quelque chose qui fonctionne, expliquer son choix et réutiliser le mécanisme dans une autre situation.
Cette exigence change les écrans. Une progression globale reste un résumé. Les erreurs, l’aide utilisée, la confiance et la preuve produite indiquent ce qui doit revenir. Une prochaine action doit pouvoir expliquer pourquoi elle arrive maintenant.
Je n’ai pas encore de mesure publique permettant d’affirmer que l’écosystème améliore l’apprentissage ou le transfert. Les produits prouvent que ces boucles existent et qu’elles fonctionnent techniquement. Leur efficacité demande des observations avec des personnes réelles, sur des tâches précises.
07 / Maintenant
Construire assez pour mettre l’idée à l’épreuve
SupraLearning reste un chantier. Certains produits sont en ligne, d’autres sont encore des laboratoires ou des prototypes. Le système contient des continuités réelles, mais aussi des passages trop longs, des concepts trop denses et des preuves de transfert encore difficiles à recueillir.
Ma prochaine validation doit suivre une trajectoire complète avec une personne : partir d’une intention, construire un modèle, manipuler le mécanisme, le rappeler plus tard et l’utiliser dans une situation différente. Je veux observer les endroits où elle hésite, ce qu’elle peut expliquer sans l’interface et ce qu’elle retrouve après avoir quitté le produit.
Je continuerai à relier les produits autour de cette trajectoire et à retirer ce qui n’aide ni à comprendre, ni à agir, ni à transférer.