Ultra School

Roadmap technique 12 mois pour une plateforme de tutorat IA.

Document d'exécution

Roadmap technique Ultra School en 4 phases, du MVP au B2B écoles.

Cette feuille de route priorise la mise sur le marché, puis la rétention, la scalabilité et enfin l'offre Enterprise. Elle part d'un contexte clair : 12 tuteurs IA, 4 offres tarifaires et un public principal de lycéens et étudiants français.

tuteurs IA à orchestrer

offres à packager

marché scolaire prioritaire

12 mois

horizon de construction

Principes directeurs

Produit

Un moteur d'entitlements unique pour piloter les 4 offres tarifaires, les limites d'usage et les upsells.
Un référentiel commun pour les 12 tuteurs IA : persona, matière, niveau scolaire, style pédagogique et garde-fous.

IA

Abstraction fournisseur LLM pour changer de modèle sans réécrire la logique métier.
Observabilité des prompts, traces de sessions et évaluations qualité sur jeux de scénarios français.

Data

Schéma unifié pour utilisateurs, sessions, objectifs, progrès, paiements et analytics produit.
Instrumentation événementielle dès le MVP pour mesurer activation, rétention et conversion par offre.

Conformité

Consentement, suppression de compte, rétention des données et hébergement européen dès les premiers mois.
Journalisation des actions sensibles pour préparer l'offre B2B écoles et les audits futurs.

Stack cible

Socle technique transverse recommandé

Frontend web : Next.js App Router, React 19, TypeScript, Tailwind CSS v4.

Backend applicatif : Route Handlers et Server Components, PostgreSQL comme source de vérité, Prisma ou Drizzle pour l'accès aux données.

Couches IA : SDK provider-agnostic, orchestrateur de prompts, stockage vectoriel dans PostgreSQL avec pgvector pour le contexte pédagogique.

Ops : Vercel pour le delivery, logs structurés, Sentry pour erreurs, files Redis/BullMQ pour les traitements asynchrones.

Timeline

Les 4 phases de développement

Chaque phase contient un objectif produit clair, un périmètre technique concret et des critères de sortie mesurables pour éviter une roadmap décorative.

Phase 1

MVP

Mois 1-2

Effort

8-10 semaines-homme dev + 1 semaine QA/ops

Équipe

2 full-stack, 1 product designer à temps partiel, 1 PM/founder

Objectif de phase

Mettre en ligne un produit vendable pour lycéens et étudiants français avec onboarding, sessions tutorées, paiement et suivi minimum.

Features détaillées

Compte élève/parent, onboarding niveau-classe-objectifs et matching initial avec les 12 tuteurs IA.
Chat tutoré par matière avec historique, pièces jointes simples, reformulation d'exercices et réponses sécurisées.
Gestion des 4 offres tarifaires avec droits d'accès, quotas, upgrade/downgrade et checkout Stripe.
Dashboard élève minimal : temps passé, matières vues, objectifs hebdomadaires et dernière recommandation.
Console interne légère pour éditer prompts, activer/désactiver un tuteur et relire les conversations signalées.

Technologies recommandées

Next.js 16 + React 19 pour l'App Router, rendu hybride et server actions.
PostgreSQL pour users, subscriptions, sessions, tutor profiles et événements produit.
Auth.js ou auth maison basée sur sessions HTTP-only, bcrypt/argon2 et rôles simples.
Sentry + logs JSON + stockage objet pour pièces jointes et exports de conversations.

Dépendances

Design des 12 personas tuteurs, rubriques de matière et garde-fous pédagogiques validés avant développement.
Définition claire des 4 offres : limites d'usage, catalogue de tuteurs inclus et règles d'upgrade.
Jeu initial de 30 à 50 scénarios QA en français pour évaluer exactitude, ton et sécurité.

Critères de succès

Temps jusqu'à première session < 5 minutes après inscription.
Conversion visiteur -> compte > 12 % et compte gratuit -> payant > 8 % en fin de phase.
Au moins 80 % des sessions sans escalade manuelle ni réponse hors politique.
Disponibilité applicative > 99,5 % et temps de réponse p95 < 4 s sur les écrans clés.

Phase 2

Growth

Mois 3-4

Effort

10-12 semaines-homme dev + 2 semaines data/expérimentation

Équipe

2 full-stack, 1 data/product analyst, 1 designer à temps partiel

Objectif de phase

Améliorer l'activation et la rétention grâce à la personnalisation, aux analytics produit et à des parcours d'apprentissage adaptatifs.

Features détaillées

Diagnostic initial automatisé par niveau, matière et objectif (bac, partiels, remise à niveau).
Plans de révision personnalisés avec rappels, exercices ciblés et recommandations de tuteurs selon la performance.
Analytics funnel : activation, fréquence de sessions, conversion par offre, matière et cohorte.
Expérimentation produit : A/B tests sur onboarding, paywall, recommandations et prompts tuteurs.
Système de feedback structuré après session : utilité, difficulté, clarté et confiance.

Technologies recommandées

PostHog ou équivalent pour product analytics, feature flags et expérimentation.
Événements métier typés en TypeScript pour lier UI, backend et data warehouse léger.
Moteur de règles de personnalisation côté serveur, enrichi par les signaux d'usage et résultats.
Jobs planifiés pour rappels, résumés hebdomadaires et génération de plans d'étude.

Dépendances

Instrumentation fiable de la phase 1, sans trous sur signup, session start, checkout et usage des tuteurs.
Taxonomie commune des niveaux scolaires français, matières et objectifs d'apprentissage.
Base de contenus/exercices assez riche pour produire des recommandations différenciées.

Critères de succès

WAU/MAU > 55 % sur les utilisateurs actifs.
Rétention D30 des comptes payants > 35 %.
Hausse de 20 % du nombre moyen de sessions par élève actif.
Gain de 10 points sur le taux de conversion des visiteurs exposés au parcours personnalisé.

Phase 3

Scale

Mois 5-8

Effort

18-24 semaines-homme dev + 3 semaines infra/fiabilité

Équipe

3 engineers dont 1 orienté plateforme/data, 1 PM, support ops ponctuel

Objectif de phase

Rendre la plateforme robuste à la montée en charge, accélérer le lancement de nouveaux tuteurs et ouvrir des intégrations via API.

Features détaillées

Orchestration multi-tuteurs : transfert de contexte entre professeurs, mémoire d'élève et handoff structuré.
Factory de tuteurs : templates de persona, jeux de tests, versioning de prompts et publication progressive.
API publique/partenaire pour comptes, sessions, résultats et synchronisation d'emplois du temps.
File d'attente pour résumés, corrections longues, exports PDF et ingestion de contenu pédagogique.
Observabilité complète : tracing LLM, coûts par session, alerting et score qualité par tuteur.

Technologies recommandées

Redis + BullMQ pour les traitements asynchrones, retries et backpressure.
pgvector pour la recherche sémantique sur fiches de cours, corrigés et mémoire élève.
API versionnée REST ou tRPC interne exposée ensuite via gateway documentée.
OpenTelemetry, dashboards infra/coûts et tests de charge réguliers sur les flows critiques.

Dépendances

Contrats d'API stabilisés sur les objets de phase 1-2 : user, tutor, lesson plan, event, subscription.
Règles de publication des nouveaux tuteurs avec propriétaire métier et checklists qualité.
Stratégie de gestion des coûts LLM et fallback provider avant d'augmenter le trafic.

Critères de succès

Capacité x5 en utilisateurs concurrents sans dégradation notable du p95.
Ajout d'un nouveau tuteur en < 2 jours, tests inclus.
Erreur applicative < 1 % sur les endpoints les plus utilisés.
Au moins 3 intégrations API ou usages partenaires/internal tools adoptés en fin de phase.

Phase 4

Enterprise

Mois 9-12

Effort

20-26 semaines-homme dev + 4 semaines sécurité/compliance

Équipe

3 engineers, 1 PM B2B, 1 ops/security part-time, 1 customer success pilot

Objectif de phase

Transformer Ultra School en plateforme pilotable par des établissements : multi-tenant, supervision admin et parcours certifiants exportables.

Features détaillées

Offres B2B écoles : tenant par établissement, provisioning en lot, rôles admin/prof/référent et contrats de licences.
Dashboard admin : usage par classe, tuteurs activés, élèves à risque, budget consommé et exports CSV/PDF.
Parcours certifiants : quiz, évaluations finales, badges numériques, attestations signées et suivi de complétion.
SSO/SAML, gestion fine des permissions, audit log et politiques de conservation de données par tenant.
Centre de support B2B avec tickets, SLA, base de connaissances et statut opérationnel.

Technologies recommandées

Architecture multi-tenant logique sur PostgreSQL avec séparation stricte par établissement.
SSO enterprise via Auth.js/Better Auth ou fournisseur dédié selon les pilotes signés.
Exports signés, génération PDF serveur et stockage sécurisé des preuves d'évaluation.
Contrôles RGPD renforcés, traçabilité d'accès et préparation d'un futur audit sécurité type ISO/SOC.

Dépendances

Retours concrets des pilotes B2C sur les indicateurs réellement utiles aux parents et référents.
Spécification contractuelle des besoins école : SSO, import élèves, gouvernance des données, SLA.
Cadre pédagogique des certifications : rubriques d'évaluation, seuils de réussite et durée de validité.

Critères de succès

Signature de 3 à 5 pilotes établissements avec activation en moins de 10 jours.
90 % des tâches admin courantes réalisables sans intervention technique.
Taux de complétion > 70 % sur au moins un parcours certifiant pilote.
Zéro incident critique de confidentialité sur les comptes établissements.

Décision CEO

Priorité immédiate : verrouiller la phase MVP puis ne financer la phase suivante qu'avec des métriques d'usage propres.

La roadmap est pensée pour éviter deux erreurs classiques : surconstruire l'IA avant d'avoir un funnel exploitable, ou lancer l'Enterprise sans socle de données fiable. Les jalons doivent être pilotés par activation, rétention, coût par session et délai de mise en production d'un nouveau tuteur.