Cura

Développé chez 14x avec la même stack que la plupart de nos apps : Claude Code, Swift, ML on-device, RevenueCat. La thèse était la même que pour Signature Maker : un marché prouvé, des concurrents qui génèrent des revenus, mais toutes les apps existantes dans cette catégorie semblaient datées et peu esthétiques. Nous voulions créer une version premium.

Les pellicules photo grandissent à l'infini. Des doublons liés au mode rafale, des photos floues qu'on a oublié de supprimer, des captures d'écran d'il y a 3 ans, de vieux memes. Le stockage se remplit, et personne n'a le temps de faire défiler 10 000 photos manuellement pour décider ce qu'il faut garder ou jeter.

Les apps qui résolvent ce problème existent déjà, mais elles ressemblent toutes à des utilitaires de 2018. Des interfaces surchargées, des scans lents, des parcours utilisateurs confus.

Une expérience façon "Tinder pour votre pellicule". L'IA scanne votre bibliothèque en local (on-device), trouve les éléments inutiles (doublons, photos floues, captures d'écran, photos similaires), et les présente dans une interface basée sur le swipe. Swipe à gauche pour supprimer, à droite pour garder.

• ML on-device pour la détection de doublons et le calcul du score de flou
• Regroupement de photos similaires avec comparaison côte à côte
• Compression vidéo (jusqu'à 80 % de réduction)
• Compression photo via la conversion HEIC
• Suppression en masse en un clic
• 100 % on-device, pas de cloud, pas de compte

Le plus grand défi technique a été de gérer de très grandes bibliothèques de photos sans créer de ralentissements. Scanner des milliers de photos avec des modèles ML tout en gardant une UI fluide a nécessité une gestion minutieuse du cache, des traitements en arrière-plan et de la mémoire.

Côté revenus, Cura n'a généré qu'environ 10 € de ventes. L'ASO seul n'a pas suffi à faire la différence ici, contrairement à Signature Maker qui a connu une croissance organique dès le premier jour.

Avec le recul, la différence est évidente. Signer un PDF est un besoin urgent et immédiat. Les gens le recherchent activement. Nettoyer sa bibliothèque de photos est un "nice to have" que l'on repousse indéfiniment. L'intention derrière la recherche est fondamentalement plus faible.

• Les apps "nice to have" ont besoin de marketing. Si votre app résout un problème que les gens ont tendance à repousser, l'ASO seul ne fonctionnera pas. Vous avez besoin de contenu, de publicités ou d'un levier externe.
• Le ML on-device est prêt pour la production. Core ML a traité des milliers de photos avec une excellente précision. Le goulot d'étranglement n'était pas le ML, mais l'infrastructure autour : le cache, la mémoire, le state management, la fluidité de l'UI.