Projets
EN FR
Étude de cas · Farmscribe (independent project) · 2026 · 8 min de lecture

Ce que les agriculteurs savent mais n'écrivent jamais

Farmscribe transforme les notes de terrain d'un agriculteur en fiches structurées et en conseils qui connaissent la ferme. Tout a commencé par une ligne enfouie dans un ticket Jira. C'est aujourd'hui une app en ligne, en bêta sur invitation sur my.farmscribe.app.

Voir l'app en ligne ↗
Client
Farmscribe (independent project)
Rôle
Fondateur, designer et bâtisseur (solo)
Année
2026
Disciplines
R&DAI ProductUX & InteractionMobile UXAgriculture0→1 Product
What farmers know but never write down

La ligne la plus intelligente d'un ticket Jira

À LiteFarm, une plateforme agricole open-source, j'avais réduit un ticket Farm Notes à un simple tableau d'affichage numérique. Enfouie dans la section "pour plus tard", une seule ligne : l'IA pourrait créer des tâches automatiquement à partir des notes. Elle n'a jamais été livrée là-bas, LiteFarm n'avait pas de budget IA pour ça. C'est devenu Farmscribe à la place : un carnet de notes mobile, pensé IA dès le départ avec un partenaire expert en agriculture durable, qui transforme une observation de terrain rapide en fiche structurée et en conseil ancré dans l'historique de la ferme. Voici la version courte de comment cette ligne est devenue une app en ligne, aujourd'hui en bêta sur invitation.

Les contraintes de LiteFarm étaient réelles : pas d'équipe IA, pas de budget IA, une gouvernance prudente. L'idée était bonne, l'adresse ne l'était pas. Séparer le projet n'était pas une rébellion, c'était le seul moyen de construire IA d'abord sans demander la permission à chaque décision.

LITEFARM FARM NOTES · PRODUCT SPEC
2023
ORIGINAL TICKET

"As a user I want to be able to share some observations or take quick notes around the farm"

As requested by multiple users, this is the feature for a separate section on the sidebar that works like a farm noticeboard. The minimizable sidebar could exist alongside the new planned insights dashboard. Please use existing free libraries wherever relevant to avoid building from scratch.

Eg: Broken fence, Goat Dolly due for vaccination next Thur, Coyote sightings in the area - keep the goats locked after 5pm, Researcher Dave visiting Mon, Fill fuel

These may or may not be actionable, so they need not necessarily have an owner or a due date.

Must have: It is a simple note publish feature with a simple long text, upload media and publish. It is largely like a whiteboard one might have in their barn or shed, with an additional ability to add notes to self. This is not intended as a 1-1 chat, nor a task, but we might potentially expand it based on how the feature is working out.

Enabled functions: to begin with: For author, delete. For others, just view.

Initially, the notes can just be private (note to self) or public (like a noticeboard in barn). All published notes must appear in reverse chronological order along with the author's name and date.

To begin with, we can support historical notes up to a month, with archiving possible for up to 6 months in the past. If the notes are beyond 25MB or over a month, we encourage owner to archive to be able to continue using the notice board.

Open point: Not sure if it makes sense to associate a field / location to a note?

Great to have: When someone publishes a note to the noticeboard, a notification goes to all the members of the farm. Ability to delete posted note. Members can react with basic few emojis. A note can also be accompanied by one picture (jpeg / png). On mobile, can upload or open camera.

Unsure of: download content of noticeboard.

Success criteria: %Usage = Number of farms using the farm noticeboard / Total number of true farms. If the % of farms using noticeboard is ≥15% of active farms, then the feature is considered successful.

For later scope: Based on user feedback, we can plan for specifically tagging people, creating tasks or custom tasks from notes. Depending on success of the feature, we could have AI join the chat and auto-create custom tasks from notes. For example, someone notices broken fence, AI can create a custom task "Fix fence". Possibility of moderation of posted content. Possibility to respond 1-1.

Text note + optional photo
Public noticeboard or private note
Reverse chrono · author + date
Author deletes · others view only
Not a task. Not a chat.
≥15% farm adoption = success
FOR LATER SCOPE · THE SEED

"Depending on success of the feature, we could have AI join the chat and auto-create custom tasks from notes. For example, someone notices a broken fence, AI creates a custom task 'Fix fence'."

Le problème n'était pas l'absence de tableau d'affichage. C'était que les meilleures observations d'un agriculteur s'évaporaient avant d'être utiles. Des pucerons sur le lit de carottes, mentionnés une fois, oubliés le temps qu'ils deviennent une infestation. La solution n'est pas juste de journaliser, c'est de journaliser en retour. L'agriculteur dit à l'app ce qu'il a vu, elle structure la note et renvoie un conseil. Journaliser cesse d'être une corvée et devient une conversation.

Le pipeline amélioré par l'IA

Quatre étapes. Un principe : mériter le droit d'ajouter de la complexité avant de l'ajouter.

ÉTAPE 01

Trouver l'idée

Le problème
Une vraie fonctionnalité chez LiteFarm contenait le germe d'un produit différent. L'exploration initiale a failli l'enterrer à nouveau sous une vision plateforme complète, trois flux utilisateurs, avant que la boucle centrale n'ait rien prouvé.
La méthode
Extrait la ligne enfouie et cartographié ce qu'un seul appel IA par note pourrait débloquer, l'extraction de tâches est ressortie comme le point de départ le plus précieux et le moins coûteux. Puis application d'une coupe stricte au droit mérité : trois flux sont devenus un, les ambitions plateforme sont devenues la Phase 2, le MVP réduit à capturer, structurer, conseiller, sauvegarder.
L'IA gère
Claude a aidé à affiner la spec, faire ressortir les cas limites, et tester les décisions de périmètre, signalant tôt la contradiction hors-ligne + IA.
Je maîtrise
La décision de séparer Farmscribe en produit autonome. Le jugement que l'extraction de tâches valait mieux que la synthèse ou la modération comme premier crochet IA. Chaque coupe, savoir ce dont les agriculteurs ont besoin en premier n'est pas l'affaire d'un prompt.
Le résultat
Un produit autonome, pas une fonctionnalité, avec un périmètre MVP focalisé et un journal de décisions tenu à jour dès le premier jour.
The original LiteFarm Farm Notes Jira ticket alongside the refined spec, the before and after of the problem framing.
Le ticket Jira LiteFarm original à côté de la spec affinée, l'avant et l'après du cadrage du problème.
ÉTAPE 02

Construire la boucle

Le problème
Un prototype qui fonctionne et un prototype de qualité production ne sont pas la même barre. La spec devait devenir testable, puis réelle, sans backend au départ.
La méthode
Construction de toute la boucle dans un seul fichier React autonome : capture par texte, voix ou photo ; conseil IA publish-first et tâche suggérée, résolus dans un journal d'équipe partagé. Puis renforcement : accessibilité complète, un vrai appel Claude à la place du mock, transcription vocale native, et, après qu'un audit de coût a révélé que le fichier de 3 510 lignes était lui-même le premier poste de dépense de chaque session, scission en treize composants avant de toucher au backend. Enfin, câblage d'un vrai projet Supabase, Postgres avec sécurité au niveau des lignes, vraie connexion Google, avec une migration locale d'abord pour que démarrer gratuitement ne signifie jamais repartir de zéro.
L'IA gère
Claude a écrit et itéré le prototype, construit les composants de statut IA et les intégrations réelles, et mené l'audit de coût qui a changé la décision, scinder le fichier avant le backend, pas après.
Je maîtrise
Le séquencement publish-first. Faire de la voix le chemin de capture principal, penser terrain, c'est penser mains pleines de terre, pas clavier. Supabase plutôt que Firebase, parce que les données de ferme sont intrinsèquement relationnelles. Et le diagnostic en direct d'un bug de sécurité au niveau des lignes pendant les tests.
Le résultat
Un prototype qui fait tourner toute la boucle de bout en bout, désormais adossé à une vraie pile sécurisée. Sans variables d'environnement, il tourne encore exactement comme la version originale en mémoire, deux variables posées, il est réel.
Prototype fonctionnel Farmscribe, capture voix/texte/photo, conseil IA publish-first, et journal d'équipe partagé.
ÉTAPE 03

Faire que l'IA connaisse la ferme

Le problème
Un carnet qui retourne de l'agronomie générique n'est qu'une surcouche autour d'un modèle. Pour gagner la confiance d'un agriculteur au-delà de la première mauvaise suggestion, le conseil devait devenir spécifique à cette ferme, cet historique, ce lieu.
La méthode
Métriques instrumentées d'abord, pour mesurer le gain plutôt que le deviner. Ajout d'un onglet Carte où l'on dessine des champs et pose des éléments. Puis l'intelligence en couches : le conseil assemble désormais le profil et l'historique de la ferme en contexte, une couche de calibration lit les corrections de l'agriculteur comme un a priori doux, et une couche région-et-règles refuse de nommer un intrant à moins qu'il ne soit légal là où la ferme se trouve. Tout ça, de l'ingénierie du contexte autour d'un modèle fixe, pas du fine-tuning.
L'IA gère
Claude a construit le pipeline de métriques, le système de carte, et la couture d'assemblage du contexte, et a rattrapé son propre bug en revue, une erreur de calibration qui aurait enseigné au modèle l'inverse de la vérité.
Je maîtrise
Les métriques avant l'intelligence, on ne peut pas mesurer le gain après coup. Prioriser le garde-fou réglementaire avant l'échelle des régions, parce que recommander un intrant illégal est une vraie responsabilité. Et cadrer la calibration comme un a priori que le modèle peut toujours outrepasser.
Le résultat
Un conseil qui se lit comme s'il connaissait la ferme, parce que c'est le cas. Il rappelle les pucerons consignés trois semaines plus tôt sur le même rang, et ne dira pas à un agriculteur français de pulvériser quelque chose d'interdit dans l'UE.
The farm-aware app, from voice capture to a note pinned to the farm's own areas, with advice that builds on the history it was built on.
L'app qui connaît la ferme, de la capture vocale à une note rattachée aux zones de la ferme, avec un conseil qui s'appuie sur son historique.
ÉTAPE 04

Prêt pour le lancement

Le problème
Un prototype intelligent n'est pas encore un produit qu'un inconnu peut trouver, apprécier et utiliser dans sa propre langue. Pour se lancer, Farmscribe avait besoin d'une identité propre et d'une porte d'entrée honnête.
La méthode
Conception de la marque Open Furrow et d'une voix de marque documentée. Localisation de l'interface en quatre langues, anglais, espagnol, français et portugais, traduisant seulement l'habillage, jamais les mots de l'agriculteur. Puis reconstruction de la page d'accueil autour d'une thèse unique, montrer l'outil en marche plutôt que le vanter, avec une tarification qui reflète la région.
L'IA gère
Claude a mené un workflow de 42 agents pour traduire environ 480 chaînes d'interface sur dix-huit écrans, relues pour la voix de marque et l'exactitude botanique, puis a aidé à construire la page d'accueil.
Je maîtrise
La direction de l'identité, la marque doit dire ce que le produit fait, pas le décorer d'une feuille. La règle que la localisation traduit l'interface, jamais le contenu. Et l'honnêteté de la page d'accueil, la preuve plutôt que le pitch, l'invitation dite clairement.
Le résultat
Un produit prêt à être lancé : une identité conçue, une interface que n'importe qui peut utiliser en quatre langues, et une porte d'entrée qui montre l'outil en marche. D'une ligne dans un ticket Jira à quelque chose de prêt à rencontrer les agriculteurs.
The Farmscribe landing page and the app shown in four languages, the go-to-market surface built for launch.
La page d'accueil de Farmscribe et l'app montrées en quatre langues, la surface de mise sur le marché construite pour le lancement.
Farmscribe · AI Note Taker · 2026

Vingt-deux mots dans une section "pour plus tard" : l'IA pourrait créer des tâches automatiquement à partir des notes. Pas une spec, une pensée jetable. Mais elle nommait l'écart réel, entre ce qu'un agriculteur écrit et ce qu'il compte réellement en faire. La question n'était pas si l'IA pouvait le faire, ça, c'est un appel API. C'était où le conseil devait vivre. Pendant la capture, ou après ? Bloquant, ou en plus ? La réponse : après, jamais pendant. L'agriculteur journalise une observation en moins de dix secondes. L'IA répond quand elle est prête. Action d'abord, intelligence ensuite. Cette séquence, c'est tout le produit.

The original LiteFarm Farm Notes Jira ticket with the buried AI hook in the "for later" section.
Le ticket Jira LiteFarm original avec le crochet IA enfoui dans la section "pour plus tard".
The core Farmscribe loop, capture, structure, advise, save, distilled from three early user flows.
La boucle centrale Farmscribe distillée de trois flux utilisateurs précoces.

Là où l'IA s'arrête et le jugement commence

Farmscribe est un produit IA, construit avec un assistant IA. Ça mérite d'être dit honnêtement. Claude était rapide et vraiment utile pour le travail structurel : specs, cas limites, brouillons. Chaque vraie décision de design, où le conseil doit vivre, comment construire la confiance d'un agriculteur sceptique, exigeait quinze ans de conception pour les travailleurs de terrain. Aucun prompt ne porte ça. Le même écart existe dans le produit lui-même. Un modèle ne peut pas savoir si son conseil colle à cette ferme, cette saison, ce sol, à moins qu'on lui donne ce contexte. Ce n'est pas un modèle plus gros, c'est du design : le profil de la ferme, son historique, les propres corrections de l'agriculteur, les règles de la région. L'ingénierie du contexte, pas le fine-tuning, un artisanat entièrement humain.

Ce que ça a livré

Une app en ligne, en bêta

La boucle complète tourne de bout en bout sur my.farmscribe.app, capture par voix, texte ou photo ; conseil ancré dans votre propre historique ; tâches que l'IA déduit d'une phrase ; carte de ferme avec champs dessinés et points posés. Quatre langues, vrais comptes, vrai backend. Sur invitation, et bien réelle.

Un conseil qui connaît la ferme

Journalisez les mêmes pucerons deux fois, elle fait le lien. Corrigez une priorité, elle apprend. Elle ne recommandera pas un intrant interdit là où vous cultivez. C'est ce qui distingue Farmscribe d'une simple surcouche autour d'un modèle.

Une identité conçue, une vraie porte d'entrée

La marque Open Furrow, une voix de marque documentée, et une page d'accueil qui montre l'app en marche en quatre langues plutôt que de la vanter, avec une tarification qui s'adapte à la région du visiteur.

Décisions consignées, revirements compris

La voix, les tâches et une localisation de ferme obligatoire ont toutes été ramenées du "plus tard" une fois les raisons devenues claires. Les revirements sont restés dans le dossier au lieu d'être lissés.

The live app, a note carrying farm-aware AI advice and a suggested task, and the farm map with drawn areas, dropped pins, and the add-to-map flow.
L'app en ligne, une note portant un conseil IA qui connaît la ferme et une tâche suggérée, et la carte de la ferme avec zones dessinées, points posés et le flux d'ajout à la carte.

Journal des décisions

Les décisions qui comptaient, et ce qui a changé mon avis. Les revirements sont gardés volontairement, dans un projet de R&D, les changements d'avis sont le travail.

01
Séparer Farmscribe de LiteFarm comme produit autonome

Au lieu de : Rester une fonctionnalité dans LiteFarm

Les contraintes de ressources de LiteFarm bloquaient la couche IA ; l'autonomie supprime le plafond.

02
Publier d'abord, suggérer ensuite, la note se sauvegarde, le conseil suit

Au lieu de : IA pendant la composition, bloquant la sauvegarde

Préserve la vitesse du tableau de grange ; l'IA est additive, jamais un portail.

03
Ajouter la voix en un geste comme chemin de capture principal Inversé

Au lieu de : Texte + photo seulement, voix repoussée en Phase 2

Penser terrain, c'est mains pleines de terre, la voix est la voie rapide, pas un luxe.

04
Faire entrer les tâches dans le périmètre Inversé

Au lieu de : Gestion des tâches hors périmètre du MVP

Une note sur laquelle on s'engage est une tâche ; fusionner les deux supprime les tâches orphelines.

05
Rendre la localisation de la ferme obligatoire dans les deux parcours d'onboarding Inversé

Au lieu de : Localisation optionnelle / ignorable

C'est le socle du conseil géolocalisé et de la carte de champ, au prix d'une tension nouvelle avec le hors-ligne d'abord.

06
La plateforme de backend est Supabase

Au lieu de : Firebase, ou une couche Postgres et auth maison sur Netlify

Les données ferme/adhésion/notes/tâches sont intrinsèquement relationnelles ; la sécurité au niveau des lignes laisse ce modèle d'accès vivre comme politique SQL déclarative plutôt que comme vérifications éparpillées dans le code.

07
L'auto-apprentissage, c'est mémoire et récupération, pas fine-tuning

Au lieu de : Fine-tuner un modèle par ferme

Les données d'une seule ferme sont bien trop maigres pour fine-tuner, et le fine-tuning enseigne le ton, pas les faits d'une ferme ; l'ingénierie du contexte s'inscrit dans la couture existante.

08
Concevoir une vraie identité, la marque Open Furrow et une voix de marque Inversé

Au lieu de : Garder l'habillage provisoire, ou opter pour une feuille agtech générique

La marque doit dire ce que le produit fait, la capture qui entre et le conseil qui revient, sans feuille et sans allure d'appli IA sans terre.

Le guide réutilisable

01
Trouver la ligne enfouie

L'idée de produit la plus intéressante dans un ticket est rarement la fonctionnalité principale. C'est la pensée jetable dans "pour plus tard" que personne n'a eu le temps de développer. Apprenez à la trouver.

02
Action d'abord, intelligence ensuite

L'IA qui bloque les actions perd la confiance rapidement. L'IA qui répond aux actions complétées la construit lentement. La séquence compte autant que la capacité. Ne jamais bloquer l'utilisateur pendant que le modèle réfléchit.

03
Le contexte l'emporte sur le fine-tuning

Quand un produit IA donne l'impression de connaître votre monde, ce n'est presque jamais un modèle plus gros ou réentraîné. C'est le bon contexte, votre historique, vos corrections, vos contraintes, assemblé et remis au modèle au moment où il répond. Concevez le contexte, pas les poids.

Quinze ans à concevoir pour des personnes qui n'ont pas le temps pour les mauvais logiciels : agriculteurs, travailleurs de terrain, personnel d'ONG dans des endroits où un flux confus est un vrai problème. Farmscribe, c'est ce qui se produit quand cette expérience rencontre une couche IA conçue pour respecter le temps de l'utilisateur plutôt que de le consommer. C'est en ligne dès maintenant, en bêta sur invitation, sur my.farmscribe.app.

Interroger les archives

Fondé sur les études de cas et le journal de ce site. Il dit quand il ne sait pas. Les questions sont enregistrées pour que Loïc voie ce que le site n’explique pas. Rien d’autre n’est conservé.

À propos de cet assistant ↗