On est en 2026 et la vieille objection est morte. On te disait qu'une IA généraliste « n'a pas tes données ». Maintenant tu peux brancher un MCP Strava ou intervals.icu directement dans Claude ou ChatGPT, lui demander d'analyser ton dernier bloc, et obtenir une réponse en quelques secondes : fluide, précise, confiante. On dirait que tu viens d'avoir un coach gratuit.
Ce n'est pas le cas. Ce que tu as gagné, c'est un accès plus rapide à ton propre historique — et c'est vraiment utile. Mais faire remonter de l'information, c'est descriptif. Le coaching, c'est de la décision. C'est dans l'écart entre les deux que se gagnent et se perdent les saisons.
Décrire ton entraînement, ce n'est pas l'entraîner
Branchée sur tes données, l'IA excelle sur la couche descriptive : sortir ton volume du mois dernier, résumer une séance, t'expliquer ce que veut dire ton résultat de test FTP en langage clair plutôt que de te faire fouiller des graphiques. Vraie valeur. Continue à t'en servir pour ça.
Le problème commence au moment où l'on extrapole de décrire le passé à décider l'avenir — générer des plans, prescrire une allure, prédire la performance. C'est un métier fondamentalement différent, et un modèle de langage est le mauvais outil pour ça.
Elle est confiante. Ce n'est pas pareil qu'avoir raison.
Une IA généraliste est, avant tout, un modèle de langage : fait pour toujours produire une réponse fluide, bien structurée, convaincante. Elle ne te dira pratiquement jamais « tes données sont trop maigres pour conclure ». Elle imite du texte qui ressemble à de l'analyse — alors elle te sort un TSB qu'elle n'a pas vraiment calculé, estime une CP pour laquelle elle n'a aucun modèle, et lit une tendance sur une courbe de puissance qu'elle imagine à moitié.
Tu connais déjà ce profil dans la vraie vie : le collègue d'une fluidité naturelle, extrêmement persuasif, qui dégage une compétence générale — et qui est embauché partout où il postule, souvent promu au poste suivant avant que la réalité ne rattrape le précédent. On juge le contenu à l'assurance avec laquelle il est livré, alors il brille. Une IA, c'est ce profil à grande échelle. Elle sonne comme le meilleur coach que tu aies jamais eu — jusqu'à ce que le plan rencontre tes jambes.
Elle ne sait pas faire le calcul — et elle ignore les conséquences
La vraie analyse, c'est du calcul, pas de la prose. Ajuster un modèle puissance–durée sur ta courbe record. Simuler un plan d'allure contre ton W'-balance, seconde par seconde. Projeter ta forme et ta fraîcheur sur tout un bloc. Ce sont des modèles numériques qu'il faut faire tourner. Une IA générative ne les fait pas tourner — elle génère des chiffres qui ont la forme de la réponse.
Et comme elle ne simule pas ta physiologie, elle n'a aucune idée de ce que son propre conseil va réellement faire à ton corps. Demande-lui de gérer l'allure d'un col et tu obtiendras des watts qui ont l'air raisonnables, cohérents, bien argumentés, convaincants — et discrètement faux. Le problème n'a jamais été que la réponse n'ait aucun sens. Bien au contraire. Elle a parfaitement du sens, jusqu'à ce que tu exploses dans le deuxième col.
Elle fait tout ce que tu lui dis
Dis à un chatbot « rends la semaine prochaine plus dure » et il la rend plus dure. Dis-lui « je me sens super, ajoute un troisième jour d'intervalles » et il l'ajoute. Il n'a aucune méthode à défendre et aucune idée de si ça casse ta progression ou t'enterre sous la fatigue. Il est complaisant jusqu'à l'absurde — un béni-oui-oui sans aucun principe d'entraînement. Une vraie méthodologie te dit non parfois. Ce « non » fait la moitié de l'intérêt d'un coach.
Le vrai tueur : la dérive de méthodologie
Voici celui qui flingue une saison en silence. Chaque conversation avec une IA généraliste est une nouvelle improvisation. Donne-lui ton humeur du jour et elle la suivra — de trop près. Lundi, elle ne jure que par le polarisé. Jeudi, formulée un peu autrement, elle adore le sweet-spot. La semaine d'après, elle se souvient à moitié d'un autre article et change encore d'avis. Chaque réponse est raisonnable prise isolément. Mises bout à bout, c'est une marche aléatoire.
Or l'adaptation ne vient jamais d'une seule semaine bien sentie — elle vient de la même méthodologie appliquée avec constance sur des mois, avec une variation contrôlée, chargée progressivement pour que ton corps ait le temps de répondre. Remodeler sans cesse l'approche au gré des retours à court terme, c'est souvent l'inverse de ce qui produit une progression de long terme. Change d'approche toutes les deux semaines et tu ne laisses jamais aucun stimulus le temps d'agir. Tu ne suis pas un plan ; tu en échantillonnes dix. C'est comme ça qu'on arrive à être à la fois très occupé et complètement à l'arrêt.
Et demain, elle t'oublie
Ferme le chat et le contexte est presque tout perdu. À la session suivante, tu réexpliques qui tu es, pour quoi tu t'entraînes, ce que tu as fait la semaine dernière. Aucune continuité et aucune responsabilité — personne pour remarquer que tu sautes discrètement tes jours faciles depuis trois semaines. La valeur d'un coach se cumule. Celle d'un chatbot se réinitialise.
Ce qui vient vraiment ensuite, ce n'est pas « plus de LLM »
La solution n'est pas un modèle de langage plus gros et plus malin. C'est une autre architecture — une où le modèle de langage cesse d'être ce qui raisonne sur ton corps pour devenir l'interface vers des choses qui en sont capables. Une couche d'orchestration au-dessus d'outils spécialisés : modèles physiologiques, modèles statistiques, simulateurs, et oui, d'autres modèles de langage là où ils gagnent vraiment leur place.
Dans ce schéma, l'agent ne se contente plus de répondre. Il agit, simule les conséquences de ses actions, observe ce qui revient, et itère — avant même de te livrer un plan. C'est la direction vers laquelle pointe la recherche sérieuse en IA : les « world models » de Yann LeCun — des systèmes capables de représenter un environnement, de projeter des actions possibles et de tester leurs conséquences avant d'en choisir une. Le langage retourne à ce qu'il est fondamentalement — une interface. Pas une source de vérité.
Décrire l'entraînement, c'est facile. Modéliser l'adaptation, non. Et c'est précisément là que commence le vrai travail.
Ce que CoachedBy fait à la place
C'est l'architecture sur laquelle CoachedBy est construit. Le modèle génératif est l'interface à laquelle tu parles — fluide, rapide, simple — mais ce n'est pas lui qui décide. En dessous se trouvent des modèles physiologiques validés qui calculent tes vrais chiffres, une seule méthodologie de coach qui pilote chaque plan (appliquée avec constance, pas réinventée chaque lundi pour coller à ton humeur), et une mémoire persistante de tout ton historique. Et surtout, il ne se contente pas de générer un plan et de te le tendre — il en simule d'abord les conséquences :
- Avant qu'une seule séance n'arrive sur ton calendrier, CoachedBy modélise son impact sur ton corps et teste si elle est réellement faisable compte tenu de ta forme actuelle et de ta fatigue accumulée. Une séance qui creuserait trop profond est remodelée ou signalée — pas servie parce qu'elle « avait l'air raisonnable ».
- À l'échelle de la semaine et du mois, il projette ta forme et ta fraîcheur sur tout le bloc, pour détecter le surmenage avant qu'il n'arrive, au lieu d'une fois que tu es déjà au fond du trou.
C'est la boucle agir–simuler–observer–itérer en pratique : un système qui raisonne sur les conséquences, avec un modèle génératif comme interface et un vrai coach derrière tout ça.
Alors sers-t'en — pour ce qu'elle fait vraiment bien
Une IA généraliste avec tes données branchées, c'est un stagiaire brillant et très cultivé : parfait pour « c'est quoi le polarisé ? », « comment m'alimenter sur une sortie de quatre heures ? », « explique-moi mon test FTP ». Vraiment utile sur la couche descriptive. Mais elle ne sait pas faire le calcul, elle ignore ce que son conseil fait à ton corps, elle est d'accord avec tout ce que tu dis, elle change d'avis chaque semaine, et elle t'oublie demain.
Ça, ce n'est pas un coach. C'est un moteur de recherche très sûr de lui déguisé avec tes données.