Un voyant s’allume. Le conducteur veut comprendre ce qui se passe et savoir quelle question poser au garage. Entre les informations du véhicule, les termes techniques et les documents d’entretien, il manque souvent un point d’entrée simple. C’est le problème auquel répond Car AI : réunir le suivi de la voiture et un assistant capable d’aider à interpréter les informations disponibles.
Chez Klaapp, nous avons pris en charge la conception produit, le design et le développement complet de Car AI, ainsi que l’intégration de ses fonctions d’intelligence artificielle. Ce projet réunit plusieurs dimensions de notre métier : concevoir une expérience mobile accessible, dialoguer avec un équipement physique et donner une place utile à l’IA dans le parcours.
Une application construite autour des questions du conducteur
Car AI rassemble un assistant automobile, un tableau de bord, le diagnostic connecté et le suivi du véhicule. L’application est présentée sur iOS ; la lecture des données de la voiture passe par un boîtier OBD2 compatible. Ce boîtier sert de lien entre la prise de diagnostic du véhicule et le téléphone. Découvrir Car AI.
Notre point de départ est l’usage : que cherche la personne lorsqu’elle ouvre l’application ? Elle peut vouloir comprendre une alerte, retrouver une information d’entretien ou consulter son autonomie. Ces situations demandent des réponses différentes, mais elles concernent toutes la même voiture.
Nous avons donc organisé le produit autour de quelques entrées reconnaissables. Le tableau de bord rassemble les repères immédiats. L’assistant accueille les questions. La navigation accompagne les déplacements. Le suivi regroupe les informations que l’on souhaite retrouver dans la durée.
| Besoin du conducteur | Réponse dans le produit | Enjeu de conception |
|---|---|---|
| Poser une question avec ses propres mots | Assistant par texte ou par voix | Faciliter le premier échange et rendre la conversation accessible. |
| Comprendre les informations remontées par la voiture | Tableau de bord et diagnostic | Hiérarchiser les valeurs, les alertes et leur contexte. |
| Retrouver l’entretien et les déplacements | Documents et historique des trajets | Donner une continuité au suivi du véhicule. |
| Préparer un déplacement ou un plein | Navigation et informations sur les stations | Relier une information à une action concrète. |
Cette organisation donne un rôle à chaque écran. L’enjeu est ensuite de préserver la continuité entre eux : une alerte doit pouvoir nourrir une question, et une information conservée doit rester facile à retrouver.
Donner à l’IA une interface que l’on comprend immédiatement
L’écran de l’assistant privilégie une entrée directe : un message d’accueil, une orbe comme repère visuel et trois actions identifiables pour la voix, la photo et la conversation écrite. La hiérarchie place le microphone au premier plan tout en laissant le choix du mode d’échange.
Nous avons travaillé cette interface pour que le conducteur puisse commencer avec ses propres mots. Il n’a pas à connaître le nom d’un composant mécanique ni à choisir une catégorie technique avant de poser sa question.
Dans la conversation écrite, les suggestions jouent un autre rôle : elles montrent ce que l’on peut demander. Faire un point sur la voiture, comprendre un voyant ou poser une question sur le carburant donne une direction plus concrète qu’un champ vide.
L’intégration IA demande aussi de préciser le contexte de la réponse. Une question générale peut être posée sans connexion au véhicule ; une explication fondée sur ses défauts suppose de disposer de leur lecture. Cette distinction fait partie de la présentation du parcours Car AI.
La valeur de l’assistant dépend autant de la qualité du contexte que de la facilité à lui parler. Notre travail consiste à relier l’information disponible, la demande de l’utilisateur et la présentation de la réponse. L’interface doit aider à comprendre ce que l’on consulte et permettre de poursuivre l’échange.
Transformer des données techniques en repères lisibles
Le tableau de bord commence par identifier la voiture. La silhouette du véhicule et son modèle créent un repère personnel ; les cartes regroupent ensuite les informations comme le carburant, la charge et l’autonomie. L’état de mise à jour apparaît à proximité du véhicule.
Ce choix de hiérarchie relie trois questions : de quelle voiture parle-t-on, quelles informations sont disponibles et de quand datent-elles ? Un pourcentage isolé ne répond pas à ces trois besoins. Son libellé, son unité et son contexte participent à sa compréhension.
Le diagnostic organise un contenu plus dense. La vue présente une synthèse, puis répartit les problèmes par système. L’utilisateur peut repérer une catégorie avant d’entrer dans le détail. Les libellés et les compteurs complètent les couleurs pour donner plusieurs moyens de lire l’information.
Une lecture de défaut apporte des éléments à examiner. Elle ne suffit pas à confirmer la cause d’une panne. Car AI aide à préparer l’échange avec un professionnel ; l’inspection et la réparation restent du ressort du garage. Nous conservons cette limite dans la manière de présenter le produit. Comprendre le diagnostic Car AI.
Concevoir les premiers pas jusqu’à la connexion OBD2
Une application connectée comporte une difficulté supplémentaire : l’utilisateur doit parfois agir dans le monde physique pour continuer. Trouver une prise, brancher un accessoire et établir une connexion ne se résument pas à remplir un formulaire.
L’onboarding présente d’abord les usages avec des visuels concrets : parler à sa voiture, consulter son état, retrouver des stations ou conserver ses documents. Chaque écran associe une promesse courte à une représentation du produit. L’objectif est de rendre le bénéfice compréhensible avant d’expliquer toute la technique.
La feuille de connexion OBD2 prend ensuite le relais avec une illustration du branchement et une consigne ciblée. Elle prévoit également une entrée pour la personne qui ne possède pas encore de boîtier. Nous relions ainsi la découverte de la valeur aux conditions nécessaires pour accéder aux données du véhicule.
La connexion dépend du téléphone, du boîtier et du véhicule. Les informations accessibles varient selon cet ensemble : l’année du véhicule ne suffit pas à promettre une compatibilité complète. Les repères de compatibilité Car AI font donc partie du parcours de découverte du produit.
Garder le fil entre deux utilisations
L’intérêt d’une application automobile se construit aussi dans le temps. Une facture, un contrôle ou un trajet peut devenir utile plusieurs semaines après son enregistrement. Nous avons réuni ces usages dans des vues que le conducteur peut retrouver depuis son véhicule.
L’espace de suivi distingue le diagnostic, les pneus, les documents, les factures et les contrôles. Les cartes donnent une entrée à chaque catégorie, avec un vocabulaire court et une identité visuelle commune. Cette organisation aide à conserver une lecture simple malgré la diversité des contenus.
L’historique des trajets répond à un besoin complémentaire. Une carte situe le parcours ; la date, la distance, la durée et les statistiques lui donnent un contexte. Le passage au trajet précédent ou suivant permet de parcourir l’historique sans repartir de zéro.
L’analyse à partir d’une photo prolonge cette logique : importer un document ou photographier un pneu apporte une autre forme d’information. Le produit doit adapter sa restitution à ce que l’image permet réellement d’observer. Une photo de pneu ne mesure ni sa pression ni la profondeur de ses sculptures. Voir les usages photo de Car AI.
Derrière les écrans, relier le mobile, le matériel et les données
Le développement de Car AI s’appuie sur React Native et Expo. Cette base mobile accueille des interactions très différentes : conversation, acquisition d’images, cartes et connexion à un équipement. Notre travail technique consiste à faire coopérer ces fonctions dans un parcours cohérent.
Décrire explicitement les étapes de connexion
Le parcours OBD2 dispose d’états distincts : introduction, connexion en cours, identification du véhicule à compléter, échec et connexion établie. Cette organisation permet d’associer chaque situation à une interface et aux actions possibles.
Par exemple, un véhicule dont l’identité reste à compléter appelle une autre suite qu’une connexion échouée. Décrire ces cas dans le fonctionnement du produit donne un cadre au développement des messages, des reprises et des transitions.
Conserver le contexte des informations collectées
La collecte OBD organise les résultats autour de la commande envoyée et de son contexte. Les échantillons destinés à la télémétrie comprennent notamment un identifiant, un horodatage et les éléments de réponse bruts. Cette structure garde une trace de ce qui a été reçu avant son interprétation.
Ce travail soutient une distinction essentielle dans un produit connecté : une information absente, une réponse à interpréter et une valeur exploitable correspondent à des situations différentes. La conception de l’interface et celle des échanges de données doivent partager cette lecture.
Donner une place précise à chaque forme d’interaction
Une question écrite, une demande vocale, une photo et une lecture du véhicule n’apportent pas le même contexte. L’intégration IA doit tenir compte de ces différences, jusque dans l’attente, le résultat présenté et la possibilité de poursuivre.
C’est là que design et développement se rejoignent. Le bouton, l’état affiché et l’information réellement disponible décrivent une seule expérience. Concevoir ces éléments ensemble permet de traiter les moments où l’utilisateur hésite ou ne peut pas encore accéder à la suite.
Ce que Car AI illustre de notre accompagnement chez Klaapp
Car AI réunit conception produit, design mobile, développement et IA appliquée autour d’un usage concret. La qualité de l’expérience dépend des liens entre ces compétences : expliquer la valeur, accompagner la connexion, rendre les données lisibles et permettre à la personne de poser sa prochaine question.
Nous apportons cette approche aux projets qui associent une application à des informations complexes ou à un équipement : suivi de matériel, outil d’intervention, service d’assistance ou logiciel métier enrichi par l’IA. Le cadrage part de la décision à faciliter et des informations réellement accessibles.
Cette étude de cas complète trois autres regards sur notre travail : Hopteo pour l’expérience mobile et la progression, Fillzz pour les données, la carte et la navigation, et Pandook pour la réservation et la gestion métier.
Vous souhaitez créer une application connectée ou intégrer un assistant IA à votre produit ? Découvrez nos accompagnements en création de produit et en intégration IA, puis parlons de votre projet. Nous pouvons vous aider à cadrer les usages, concevoir les parcours et développer les intégrations nécessaires.
Questions fréquentes
Quel a été le rôle de Klaapp sur Car AI ?
Klaapp a assuré la conception produit, le design et le développement complet de Car AI, ainsi que l’intégration de ses fonctions IA. Le travail relie les parcours mobiles, la connexion OBD2, la présentation des données et les interactions avec l’assistant.
Peut-on utiliser l’assistant sans boîtier OBD2 ?
Oui, pour des questions générales. La lecture des défauts et des valeurs de la voiture nécessite un boîtier compatible. Une réponse générale de l’assistant ne constitue pas une lecture du véhicule.
Qu’est-ce qui rend une application IA connectée complexe à développer ?
Elle doit relier plusieurs contextes : les informations reçues du matériel, leur disponibilité, l’action de l’utilisateur et la réponse de l’assistant. Le parcours doit aussi prendre en compte l’attente, une connexion incomplète et les possibilités de reprise.
Klaapp peut-il intervenir sur un produit déjà existant ?
Oui. Une refonte ciblée peut porter sur l’onboarding, la lisibilité des données ou un parcours précis. Le premier travail consiste à comprendre l’usage, examiner les intégrations et définir une évolution dont on pourra vérifier le bénéfice.
Sources et crédits
- Car AI — site officiel, présentation de l’application, diagnostic OBD2 et compatibilité, consultés le 15 septembre 2026.
- Captures de l’application fournies pour cette étude de cas, réalisées le 11 septembre 2026. Elles présentent la version anglaise, en thèmes clair et sombre. Les valeurs visibles illustrent les interfaces ; elles ne sont pas des résultats de performance du produit.
- La couverture est une composition de mockups réalisée à partir de ces captures. Les figures de l’article conservent les écrans fournis.
Valentin Merault est cofondateur de Klaapp. Il intervient sur le cadrage produit, l’expérience utilisateur et le développement. Découvrir le studio · Découvrir Car AI.