Cette page est une traduction automatique et peut contenir des imprécisions. La version anglaise fait foi. Voir la version anglaise
Nous construisons à partir de preuves. Ni la hype ni la volonté : chaque décision produit doit pouvoir se rattacher à quelque chose que vous pouvez vérifier.
Qui construit selon ce standard →Une journée fait 24 heures. Ce chiffre n’est négociable pour personne.
Si le problème est « j’aimerais, mais je n’ai pas le temps », le seul levier qui reste n’est pas de trouver plus d’heures mais d’augmenter le résultat obtenu par heure. Dès lors que l’on accepte que l’offre est fixe, la question de conception change : non plus « comment prendre une plus grande part de votre journée » mais « jusqu’où la même heure vous emmène-t-elle ».
mibuki ne fabrique donc pas des méthodes pour forcer davantage. Nous fabriquons des produits qui implémentent la science de l’efficacité. Nous ne cherchons pas à augmenter la volonté dont vous disposez ; nous augmentons la distance que la volonté dont vous disposez déjà vous fait parcourir.
Les trois principes ci-dessous sont les critères que nous utilisons réellement. Ce ne sont pas des intentions : ce sont les règles qui décident si une fonctionnalité sort ou non.
Tout ce que nous envisageons de construire doit passer les trois.
Effect size over opinion
Nous ne sortons pas une fonctionnalité parce qu’elle semble prometteuse. Avant d’adopter une méthode d’apprentissage ou un design comportemental, nous vérifions l’ampleur de l’effet, sa réplicabilité et son domaine d’application. Cela veut dire aller au-delà de l’article original, jusqu’aux études préenregistrées, aux revues systématiques et aux méta-analyses, selon ce que la question exige.
Nous adoptons quelque chose parce qu’il a été démontré que cela fonctionne, pas parce que c’est populaire. L’inverse vaut aussi : si cela n’a pas été démontré, cela ne sort pas, aussi bruyant que ce soit. Ce qui compte n’est pas le nom de la méthode, mais pour qui elle a fonctionné, dans quelle mesure et dans quelles conditions.
En pratique — LangDict utilise la répétition espacée. Savoir si c’était le bon choix, nous le tranchons par la précision de prédiction plutôt que par l’opinion (principe 03). La méthode, les données et les scores sont tous publics.
Voir le rapport de recherche Lexa →Remove friction, not add willpower
Les gens n’abandonnent pas parce que leur volonté est faible. Ils abandonnent parce que la conception comporte des frictions. Le nombre de gestes avant de commencer, le nombre de réglages, le nombre de décisions qu’on vous demande de prendre — tout cela décide si une habitude survit.
Plutôt que de vous dire de forcer davantage, nous supprimons des étapes. Moins de réglages, utilisable tel quel, moins de décisions. L’objectif est un produit qui ne demande aucune volonté.
Measure it, then publish it
Si nous affirmons un effet, nous le publions sous une forme que vous pouvez vérifier. C’est une contrainte que nous nous imposons, pas un argument de vente : si nous ne pouvons pas produire un chiffre, nous n’affirmons pas de résultat.
Et nous ne publions pas seulement la conclusion. Nous publions aussi la référence de comparaison, les données et la métrique, parce qu’un chiffre sans ses conditions ne peut jamais que nous flatter. Un résultat est prêt à être publié quand un lecteur pourrait suivre les mêmes étapes et voir la même chose.
En pratique — Le modèle de mémoire de LangDict, Lexa, est comparé aux paramètres par défaut de FSRS-7 sur trois benchmarks publics (Anki / Duolingo / maimemo). La référence est la configuration standard, sans aucune optimisation par utilisateur. La métrique, le découpage des données et les scores sont tous publiés.
Lire le rapport de recherche Lexa →Ces promesses sont plus fortes que les principes, parce que vous pouvez nous prendre en défaut.
Pas de « apprenez 5x plus vite ». Quand nous publions un chiffre, la référence de comparaison et la mesure figurent dans la même phrase que le chiffre.
Nous ne cachons pas le chemin de résiliation et nous ne plaçons pas de boutons pour provoquer des erreurs de manipulation. Si vous voulez partir, la sortie est facile à trouver.
Aucune notification qui prend une série en otage. Le chiffre que nous voulons faire grandir n’est pas votre temps passé dans l’application — c’est le temps que vous récupérez.
Pas de mise en scène de récompenses qui donne l’impression d’un progrès sans le moindre apprentissage derrière. Si la seule chose qui a bougé est un compteur, rien n’a bougé.
La réponse diffère selon le produit ; la voici donc produit par produit, avec la raison.
Rien de ce qui intervient dans la concentration ou l’apprentissage ne porte de publicité. Lofi Station vend de la concentration ; placer sur le même écran quelque chose conçu pour la briser n’a aucun sens. LangDict relève du même cas — tout ce qui détourne l’attention en cours de session va contre la raison d’être de l’application.
kikeruka et Atom, eux, affichent bien des publicités. Ils sont gratuits, et nous n’avons pas encore construit assez de différence pour facturer raisonnablement une formule payante. Aujourd’hui, il n’existe dans aucune des deux applications de moyen de payer pour les retirer. Le jour où il y aura une formule payante qui mérite d’être facturée, nous choisirons soit d’abandonner la publicité, soit d’en faire quelque chose que vous pouvez désactiver.
Ce n’est donc pas un principe — c’est l’état réel des produits et du financement aujourd’hui. Quand cela changera, cette page changera.
| Produit | Publicité | Pourquoi |
|---|---|---|
| Lofi Station | Aucune | Un outil de concentration ne doit pas héberger ce qui la brise |
| LangDict | Aucune | Rien qui détourne l’attention en cours de session |
| kikeruka | Oui (aucun moyen de les retirer) | Pour le garder gratuit |
| Atom | Oui | Pour le garder gratuit |
Un principe qui n’est pas implémenté n’est pas un principe. Voici où chacun atterrit aujourd’hui.
| Produit | Principes | Comment cela se voit |
|---|---|---|
| LangDict | 01 + 03 | Utilise la répétition espacée et publie la précision de ses prédictions sur des benchmarks publics |
| Atom | 01 + 02 | Des habitudes conçues comme des unités minimales et des déclencheurs, en suivant la science du comportement |
| Lofi Station | 02 | Concentré dès l’ouverture — la friction du paramétrage a été supprimée |
| kikeruka | 02 | Scannez et attendez ; revenir vérifier n’est plus quelque chose que vous avez à faire |
open-spaced-repetition. FSRS: Free Spaced Repetition Scheduler. GitHub.
open-spaced-repetition. srs-benchmark: Benchmark of Spaced Repetition Algorithms. GitHub.
open-spaced-repetition. anki-revlogs-10k: Anki review logs from 10,000 users. Hugging Face.
Settles, B., & Meeder, B. (2016). A Trainable Spaced Repetition Model for Language Learning. Proceedings of the 54th Annual Meeting of the ACL.
Ebbinghaus, H. (1885). Über das Gedächtnis: Untersuchungen zur experimentellen Psychologie. Leipzig: Duncker & Humblot.
Nous ne listons que des travaux dont l’auteur, l’année et le support de publication ont été vérifiés sur l’original.
Last updated: July 2026