Ironmind
Coach de triathlon agentique, accessible entièrement via WhatsApp. Planifie les séances de natation, vélo et course, les intègre dans le calendrier, et répond aux questions d'entraînement en s'appuyant sur des sources scientifiques fiables.
Contexte
Le triathlon enchaîne trois disciplines — natation, vélo, course à pied — avec des volumes d'entraînement élevés et une planification complexe. Contrairement à un sport mono-discipline, il faut équilibrer trois charges de travail, respecter des temps de récupération spécifiques à chaque discipline, et adapter le planning aux contraintes réelles de l'athlète : horaires de piscine, emploi du temps professionnel, séances déjà effectuées. La plupart des triathlètes sérieux font appel à un coach — coûteux — ou s'appuient sur des plans génériques inadaptés à leur situation.
Problème
Le triathlon (natation + vélo + course, enchaînés) impose un entraînement multi-sport difficile à planifier soi-même : il faut jongler entre trois disciplines, respecter la récupération, et adapter le plan aux vraies contraintes de l'athlète (horaires de piscine, calendrier perso/pro, séances déjà réalisées). Les apps existantes proposent des plans génériques ou une interface de plus à apprendre. Et demander conseil à un LLM brut pose un autre problème : sans ancrage sur des sources fiables, on ne sait jamais si la réponse vient de la littérature scientifique ou d'une hallucination.
Approche
Choix délibéré de WhatsApp comme unique interface : zéro app à installer, zéro friction — tout le monde l'a déjà sur son téléphone. Derrière, une architecture multi-agent (Mistral + tools) orchestre l'onboarding (création de compte, connexion Garmin, connexion calendrier iCal/CalDAV pour le perso et le travail/école), un agent organisateur qui planifie les séances selon le calendrier et les objectifs, des agents coach qui génèrent le contenu détaillé de chaque séance (déposé directement en note dans l'événement calendrier), et un agent analyste qui décortique les séances Garmin passées (découplage aérobie, efficiency factor, etc.). Une couche RAG (pgvector) vient corriger le point faible du LLM seul : les réponses nutrition/entraînement s'appuient sur une base de connaissances (études, ouvrages de référence) plutôt que sur la mémoire du modèle.
Impact
Toute l'expérience — inscription, connexion des comptes, planification, analyse — se passe dans une conversation WhatsApp, sans jamais quitter l'app. Une séance générée est ajoutée directement au calendrier Apple avec le détail structuré en note, prête à suivre depuis la montre ou le téléphone. Les réponses aux questions d'entraînement citent des sources plutôt que d'improviser.