The Next One
Une application qui aide à choisir le film ou la série du soir en trente secondes, sans faire défiler des catalogues entiers.
- Statut
- En construction
- Depuis
- 2026
- Rôle
- Fondateur
- Lignes
- EntrepreneuriatIA
Choisir sans faire défiler
Le soir, on passe souvent plus de temps à chercher quoi regarder qu’à regarder. Les plateformes affichent des centaines de titres et mettent en avant toujours les mêmes. The Next One prend le problème à l’envers. On dit qui regarde, si l’on veut un film ou une série, le temps dont on dispose et l’envie du moment (tranquille, drôle, intense, sombre…). L’application rend alors trois propositions, pas une de plus :
- Valeur sûre : un titre qu’on a toutes les chances d’aimer.
- Découverte : un titre qui sort un peu des habitudes, sans prise de risque inutile.
- Pari : plus surprenant, mais plausible.
Chaque proposition dit pourquoi elle a été choisie, et l’application ne retient que ce qui est disponible sur les plateformes de l’utilisateur.

Un profil de goûts qui apprend
Au départ, on passe quelques titres connus d’un geste (Non, J’aime, J’adore ou Pas vu), ou on importe son historique Letterboxd ou IMDb. Le profil retient ensuite les genres, les thèmes et les acteurs que l’on aime. Chaque réponse à une proposition l’affine : « Déjà vu », « Pas ce soir », « Pas mon truc ». Une série bien notée mais qui « s’essouffle » oriente même le moteur vers des miniséries.
On peut aussi regarder à plusieurs. Un partenaire invité par e-mail ajoute ses goûts à ceux de la soirée, et le mode « avec des enfants » fixe un âge maximum pour chaque proposition. Une extension Stremio personnelle affiche enfin « Ma liste » et « Pour toi » directement dans Stremio.
Jev, un modèle fait pour décider
Pour évaluer les candidats, j’utilise Jev, le modèle de décision de TypeSafe. Ce n’est pas un chatbot. Il ne rédige pas de texte : on lui décrit une situation, on lui pose des questions typées (oui ou non, ou une note sur une échelle de niveaux), et il répond par des probabilités et un niveau de confiance. C’est exactement ce qu’il faut à un moteur de recommandation, qui a besoin de réponses qu’il peut calculer, pas de paragraphes.
Chaque soir, le backend .NET présélectionne une vingtaine de candidats. Pour chacun, Jev reçoit la soirée et les goûts de chaque spectateur, écrits comme on les dirait (« a adoré Premier Contact et Prisoners ») plutôt que sous forme de décompte de genres. Il répond ensuite à des questions précises : chaque spectateur va-t-il aimer ce titre, va-t-il le refuser, le titre colle-t-il à l’envie du soir, sort-il des habitudes, peut-il créer une bonne surprise ?
Une vue de débogage, réservée à mon compte, montre tout le parcours d’une soirée : les candidats générés, ceux qui passent les filtres, les 24 évalués par Jev, le temps de chaque étape, puis pour chaque titre ses scores et la requête envoyée à Jev.

Jev a des limites, et TypeSafe les documente : il lit au pied de la lettre et ne sait ni compter ni comparer des dates. Le code garde donc tout ce qui relève du calcul, comme la durée face au temps disponible. Un classement déterministe en .NET combine ensuite les avis de Jev et choisit les trois propositions. C’est lui qui garde la main sur la diversité et évite de reproposer sans cesse les mêmes genres. Si un appel à Jev échoue, le moteur se rabat sur un score de secours pour ce seul candidat.
Jev passe par Cloudflare Workers AI, à 0,042 dollar le million de tokens en entrée, la sortie n’étant pas facturée. Chaque appel enregistre ses tokens et son coût estimé, sans rien garder du contenu ni des goûts. Je sais ainsi ce que coûte une soirée, et ce que coûterait un utilisateur actif, avant même d’ouvrir le service.
Où en est le projet
L’application tourne et je m’en sers. Sa sortie publique attend l’accord de The Movie Database (TMDB), d’où viennent les données des films et des séries, pour les utiliser avec une IA.
Je l’ai construite en sessions supervisées avec des agents pilotés depuis SideHub : plus de 500 commits en un mois, presque tous co-signés par un agent.
Environnement technique
- Angular
- TypeScript
- Tailwind CSS
- .NET 10
- ASP.NET Core
- Entity Framework Core
- PostgreSQL
- OpenTelemetry
- Cloudflare Workers AI
- Jev (TypeSafe)
- Docker
- Railway