Un client est venu nous voir avec un problème précis : les enfants qui apprennent une langue ont besoin de retour en temps réel sur leur prononciation, mais les tuteurs humains ne passent pas à l'échelle. Il voulait une plateforme où les enfants s'entraînent à parler, reçoivent une évaluation IA instantanée, et où parents et enseignants suivent les progrès — le tout dans un navigateur web, sans téléchargement d'application.
Six mois et une équipe de trois personnes plus tard, Meraki était en production. Voici ce qu'on a construit, les décisions techniques qu'on a prises, et ce qu'on en a tiré.
Le défi
Sur le papier, le brief était simple : une plateforme d'apprentissage interactive avec des exercices vocaux. En pratique, les défis techniques étaient tout sauf simples.
Le problème central était l'évaluation de la prononciation. La plateforme devait capturer la voix d'un enfant, l'envoyer à un modèle IA, évaluer la précision, et renvoyer un retour — le tout en moins de deux secondes, sinon l'enfant décroche. Et ça devait fonctionner sur tous les appareils : portables, tablettes, téléphones, navigateurs différents, qualités de micro différentes.
En plus, trois types d'utilisateurs avaient besoin de trois expériences différentes. Les élèves avaient besoin de leçons gamifiées. Les parents de tableaux de bord de progression. Les enseignants d'outils de gestion de classe et de la possibilité de réécouter les tentatives.
Et le tout devait être amusant. Un outil d'apprentissage pour enfants qui ressemble à des devoirs est mort-né.
La décision d'architecture
On a divisé le système en trois couches, chacune faisant ce qu'elle fait de mieux :
Backend Laravel — gère la logique métier, la gestion utilisateurs, la structure des leçons, le suivi de progression et le panneau admin. L'écosystème Laravel nous a donné l'authentification, la gestion des files d'attente et les outils admin prêts à l'emploi, ce qui nous a permis de concentrer notre temps d'ingénierie sur le problème difficile : la couche IA.
Frontend React — gère l'expérience d'apprentissage interactive. Capture vocale, affichage du retour en temps réel, animations de gamification, et tableaux de bord parents/enseignants.
Microservice Python (FastAPI) — gère l'évaluation de prononciation. Prend un fichier audio, le fait passer dans le modèle, et renvoie un score avec un retour spécifique. Service séparé connecté via API.
Cette approche en trois couches garde chaque composant focalisé et remplaçable. Si un meilleur modèle vocal apparaît l'an prochain, on remplace le service Python sans toucher au reste.
Les problèmes techniques les plus difficiles
Capture audio entre navigateurs
Obtenir un enregistrement audio cohérent sur Chrome, Safari, Firefox et les navigateurs mobiles semble simple — jusqu'à ce qu'on essaie. Chaque navigateur gère les permissions micro différemment. Safari sur iOS a des contraintes spécifiques. Certains navigateurs mobiles ne supportent pas certains codecs.
On a passé les deux premières semaines à fiabiliser la capture audio sur tous les appareils cibles. Pas glamour, mais fondamental — tout en aval dépendait d'un audio propre en entrée.
Évaluation de prononciation avec bruit et accents
Les enfants n'enregistrent pas en studio. Ils sont dans des salles de classe, des salons, des voitures. Bruit de fond, distances de micro variables et variations d'accent affectent tous la qualité audio.
On a construit un pipeline de pré-traitement : réduction de bruit, normalisation du volume, et suppression des silences. Sans ça, la précision du modèle chutait significativement en conditions réelles. La leçon : les fonctionnalités IA doivent être évaluées en conditions réelles, pas en laboratoire.
Garder la vitesse suffisante pour des enfants
Un délai de deux secondes est le maximum avant que l'engagement chute. Notre implémentation initiale prenait 4-5 secondes. On l'a ramenée sous deux grâce à la compression audio avant upload, le traitement asynchrone avec retour WebSocket, et le cache agressif du contenu des leçons.
Ce qu'on a livré
Pour les élèves : Leçons structurées, exercices vocaux avec scoring en temps réel, et suivi de progression gamifié. Chaque leçon : écouter, répéter, score, célébrer.
Pour les parents : Tableaux de bord montrant les tendances de précision, les domaines à travailler, et des notifications configurables.
Pour les enseignants : Gestion de classe, comparaisons entre élèves, réécoute des tentatives, et devoirs.
Pour les admins : Gestion de contenu, gestion utilisateurs, analytics, et configuration système.
La couche IA : Scoring de prononciation renvoyant un score numérique et un retour spécifique sur quels sons travailler.
Ce qu'on a appris
Fixer des objectifs mesurables pour les fonctionnalités IA tôt. « Bon scoring de prononciation » est vague. « Moins de 2 secondes avec 85%+ de précision sur audio propre » est testable.
Valider le risque technique le plus dur en premier. On a attaqué la capture audio au sprint 1 parce que tout le reste en dépendait.
Tester avec de vrais enfants, pas juste l'équipe. Le premier tour de tests avec de vrais enfants a révélé des problèmes qu'on n'avait jamais anticipés : les enfants tiennent le micro trop près, chuchotent, rigolent en plein mot.
Séparer l'IA de la plateforme. Le modèle vocal comme service autonome a permis à la plateforme de rester réactive même sous charge IA. On a livré trois améliorations du modèle pendant le développement sans redéployer l'application principale.
Designer pour l'observabilité dès le jour 1. Le service IA, le pipeline audio, le système de files et l'application principale avaient chacun leur monitoring indépendant.
Le résultat
Meraki a été lancé dans les temps, dans le budget, avec une équipe de trois. La plateforme gère les exercices vocaux, l'évaluation IA en temps réel, les tableaux de bord parents, les outils enseignants, et le déploiement automatisé.
Pour tous les détails du projet, lisez l'étude de cas complète Meraki.
On pourrait construire ça pour vous ?
Le pattern ici — plateforme Laravel + service IA Python + frontend React — s'applique à bien des domaines au-delà de l'éducation. On a écrit sur combien de temps prennent les projets, comment écrire le brief, et quoi demander avant de choisir une agence.
Vous avez une idée de produit impliquant l'IA ou du retour en temps réel ? Explorons ça ensemble →