On vient d'ouvrir la beta de Momentum. Plus de 100 inscriptions en quelques jours. C'est excitant. C'est aussi terrifiant.

Parce qu'on est deux. Et qu'on ne compte pas embaucher pour le moment.

Le problème n'est pas de développer les features. Le problème, c'est de traiter les retours. Bugs, suggestions, questions, compliments (on espère), plaintes (ça arrive). Ça peut vite devenir un cauchemar administratif qui bouffe tout le temps de dev.

Alors on a fait ce qu'on fait de mieux : on a automatisé.

Le Contexte : Build in Public, Bootstrap Hard

Si vous suivez notre blog, vous connaissez la philosophie. On construit Momentum en étant radins et malins :

Un cluster Kubernetes pour 50€/mois
Une landing page pro créée en une soirée avec Gemini
Et maintenant, un système de feedback qui scale sans nous

L'idée n'est pas de bricoler un truc jetable pour la beta. On veut un système pérenne qui nous servira avec 100 utilisateurs comme avec 10 000.

Les 5 Piliers de Notre Système

1. Le Chat Conversationnel (Pas de Formulaire)

Les formulaires à 15 champs, c'est mort. Personne ne veut sélectionner "Type de feedback" puis "Catégorie" puis "Priorité" avant même d'avoir tapé quoi que ce soit.

Notre approche : vous parlez naturellement, l'IA fait le reste.

Exemple 1 : Feedback clair → envoi direct

Vous : "L'export vers Wahoo serait génial"
IA   : "Compris ! Vous souhaitez une intégration Wahoo. J'envoie ?"
Vous : "Oui"
→ ✅ Feedback enregistré

Exemple 2 : Bug flou → l'IA demande des précisions

Vous : "L'app plante parfois"
IA   : "Aïe, on veut corriger ça ! Pour nous aider : 
        - Sur quel écran ça se passe ?
        - C'est sur iPhone ou Android ?"
Vous : "Sur l'écran du plan, iPhone 14, quand je scroll vite"
IA   : "Parfait, j'ai tout. J'envoie ce rapport de bug ?"
Vous : "Oui"
→ ✅ Bug enregistré avec contexte complet

L'IA sait quand elle a assez d'infos pour envoyer, et quand il faut creuser. Pas de questions inutiles sur les demandes claires, mais les détails essentiels sur les bugs.

Type : Feature request
Catégorie : Intégrations
Priorité : Medium
Sentiment : Positif

On utilise Gemini 3 Pro pour la classification. C'est plus objectif qu'un humain fatigué à 23h.

2. Le Pipeline "À Répondre" (Zéro Feedback Oublié)

C'est le cœur du système. Chaque feedback arrive avec le badge "À répondre".

Ça paraît simple, mais ça change tout :

On ne peut pas "oublier" un retour dans un coin
Le dashboard affiche le compteur des feedbacks en attente
On filtre en un clic pour voir uniquement ce qui n'a pas été traité

Le workflow :

Feedback soumis → Badge rouge "À répondre"
On lit, on classe, on répond
Badge disparaît → Feedback traité

Objectif : inbox zero sur les feedbacks. Comme pour les emails, mais en mieux organisé.

3. Les Notifications Push (L'Utilisateur Est Prévenu)

Quand on répond à un feedback, l'utilisateur reçoit une notification directement dans l'app.

Pas de "on a bien reçu votre message" puis le silence radio pendant 3 semaines. L'utilisateur sait qu'on a lu, qu'on a répondu, et il peut continuer la conversation.

C'est ça la différence avec un Google Form : le feedback devient un dialogue.

4. Les Échanges Dans le Feedback (Conversation Continue)

Un feedback, c'est rarement un one-shot. L'utilisateur décrit un bug. On a besoin de plus de détails. Il répond. On demande un screenshot. Etc.

Notre système supporte les échanges continus dans chaque feedback :

Chaque message est horodaté et attribué :

🔵 Utilisateur : le message original + ses réponses
🟣 Coach IA : les messages du chat initial
🟡 Admin : nos réponses

Tout l'historique est visible d'un coup. Pas besoin de chercher dans 15 emails pour comprendre le contexte.

5. Le Regroupement Automatique des Idées Similaires

Voilà le game-changer quand on gère beaucoup de feedback : la déduplication intelligente.

Imaginez : 5 utilisateurs demandent une intégration Wahoo. 3 autres veulent "sync avec les montres Wahoo". 2 parlent de "exporter mes séances sur mon compteur".

C'est la même demande. Mais formulée différemment.

Notre système utilise pgvector (embeddings sémantiques) pour détecter automatiquement les feedbacks similaires. Résultat :

On voit qu'une feature est demandée 10 fois, pas 10 fois individuellement
On priorise intelligemment : ce que les gens veulent vraiment remonte
On évite de répondre 10 fois à la même question

La Roadmap Publique (Transparence Totale)

Les features requests et bugs approuvés sont visibles sur notre roadmap publique — sans avoir besoin de se connecter.

Pourquoi public ?

Transparence : vous voyez ce qui est prévu, en cours, ou livré
Votes : les features les plus demandées remontent
Confiance : quand votre feedback passe de "Planifié" à "Livré", vous savez qu'on écoute

C'est du build in public pour de vrai. Pas juste poster sur X/Twitter, mais montrer concrètement ce qu'on construit.

Ce Que Ça Change Pour Nous (Les 2 Fondateurs)

Avant : Le Chaos

Emails éparpillés
DMs sur 3 réseaux différents
Google Form qu'on oublie de consulter
Aucune vue d'ensemble
Feedbacks qui tombent dans l'oubli

Après : Le Dashboard Admin

Tous les feedbacks centralisés avec filtres par statut, type, catégorie
Badge "À répondre" pour ne manquer aucun retour
Classification automatique par l'IA (on n'a pas à trier)
Regroupement des doublons (on répond une fois, pas 10)
Édition inline du type, catégorie et priorité
Rapports AI quotidiens qui résument les tendances

On passe de "lire 50 emails" à "scanner un dashboard pendant le café".

L'Expérience Mobile

Le système fonctionne aussi sur notre app mobile. Les utilisateurs peuvent soumettre leur feedback directement depuis l'app, et recevoir les notifications de réponse.

Les Détails Techniques (Pour les Curieux)

Le système est construit pour durer :

WebSocket + LLM Tool Calling : l'IA a un outil submit_feedback qu'elle appelle quand vous confirmez
Gemini 3 Pro : classification avec réponse JSON structurée
PostgreSQL + pgvector : embeddings pour la détection de similarité
Expo Push Notifications : notifications temps réel sur mobile
Celery : rapports AI générés automatiquement (quotidien + hebdo)
Django + DRF : API solide et testée

Tout ça tourne sur notre cluster K3s à 50€/mois. Pas de SaaS à 200€/mois pour du "feedback management".

Ce Qu'on a Appris

Le badge "À répondre" change tout. Ça transforme le feedback en inbox avec un objectif clair : zéro en attente.
Les notifications créent de l'engagement. Les utilisateurs qui reçoivent une réponse reviennent et donnent plus de feedback.
Le dialogue > le formulaire. Les échanges dans le feedback permettent d'aller au fond des problèmes.
L'IA est un multiplicateur de force. À deux, on ne peut pas trier 100 feedbacks par jour. Mais on peut superviser un système qui le fait.
Construire pour le long terme coûte pareil que bricoler. Notre système servira en beta comme en prod.

Cet article fait partie de notre série "Build in Public" où on montre comment faire mieux avec moins. Rejoignez la beta pour vivre l'expérience.