J’ai créé le service What is My Korean Name?
(jangmoonjang.com)Le vibe coding fait parler de lui depuis un bon moment déjà, et l’idée selon laquelle, au-delà du vibe coding, un développement basé sur des agents comme oh-my-opencode deviendra le cœur de l’environnement futur de l’ingénierie logicielle est désormais largement répandue.
L’entreprise met bien à disposition des services comme cursor, mais elle reste forcément conservatrice lorsqu’il s’agit de confier un service de niveau production à l’IA. J’ai donc essayé, à titre personnel, de vivre l’expérience du vibe coding.
J’ai créé un service destiné aux étrangers : en saisissant un prénom et un nom de famille en anglais, il génère un nom et un prénom coréens sur la base de la prononciation, associe des hanja et fournit même leur signification.
Pour la conversion phonétique, j’ai utilisé le package Epitran afin de convertir en alphabet phonétique international (International Phonetic Alphabet, IPA), puis d’effectuer un appariement fondé sur la distance. Par exemple, « Jang kalguksu » est converti en IPA sous la forme « t͡ɕaŋ kʰaɭɡuk̚su », et si on le retranscrit ensuite en anglais, cela donne chang kalguksu.
L’idée m’est venue de mes expériences où, en discutant avec des étrangers, je brisais la glace en leur inventant un nom coréen à partir de leur prononciation. Je me suis aussi dit que la manière très particulière dont les noms coréens sont formés pouvait éveiller une certaine forme d’orientalisme chez les étrangers.
Comme il était difficile d’obtenir des données sur les noms de personnes, j’ai utilisé Gemini pour 1. sélectionner des hanja convenant à des prénoms, 2. créer des noms plausibles réellement utilisables, et 3. associer une signification à chaque hanja.
Dans l’ensemble du processus de développement, je n’ai pas modifié une seule ligne de code moi-même ; tout a été développé avec Gemini CLI et Antigravity de Google.
Lors du déploiement du projet sur AWS, Gemini a recommandé la combinaison Amplifier + Lambda, et je l’ai suivie telle quelle. 1. Je n’avais jamais entendu parler d’Amplifier, mais quelques questions ont suffi pour le comprendre immédiatement, et 2. comme l’exécution de Lambda était plus lente que prévu, j’ai vérifié le code et demandé des modifications. J’ai senti que plusieurs opérations dans l’interface graphique, comme l’émission de clés d’authentification, que l’utilisateur doit encore faire lui-même, ne sont pas encore intégrées, mais cela aussi me semble n’être qu’une question de temps.
Des packages comme Epitran ou même Amplifier, mentionnés plus haut, m’étaient totalement inconnus, et pourtant ce sont des propositions que Gemini a faites en premier dès que je lui ai transmis les exigences. L’IA répond extrêmement vite à la deuxième difficulté de l’apprentissage : « qu’est-ce qu’il faut savoir ? » (la première difficulté étant « qu’est-ce que j’ignore ? »).
C’est un projet avant tout ludique, sans la moindre publicité, mais je compte quand même le promouvoir ici et là, et peut-être aussi lancer de la promotion sur Facebook.
Mon objectif pour 2026 est de construire mon identité non pas comme sous-traitant d’une entreprise, mais comme producteur. Je veux donc mener environ trois projets de ce niveau de produit, puis m’appuyer dessus pour monter une équipe en vue de projets plus ambitieux et plus difficiles.
3 commentaires
Ce serait bien s’il était possible d’essayer séparément le prénom et le nom, mais comme ce n’est pas le cas, je trouve le résultat moins satisfaisant que je ne l’espérais.
J’ai essayé avec Angelina Jolie, qui est donnée en exemple, et j’ai obtenu Choi Aerin. J’ai du mal à lui donner une bonne note, haha ;
Je n’ai pas vraiment l’impression qu’il y ait une bonne correspondance avec le nom saisi… Vous auriez un bon exemple ?
Quels noms avez-vous essayés ? Pour faire la correspondance nom de famille -> nom de famille et prénom -> prénom, le nom de famille offre beaucoup moins de diversité que le prénom (environ 50), donc il y a assez souvent des cas où ça colle mal. En revanche, pour le prénom, la probabilité d’obtenir un résultat plutôt correct semble plus élevée. Par exemple, si on teste quelques cas :
Anthony Hopkins -> Han In-hwan, cela vaudrait à peu près 50 points ;
Erika Kirk -> Kwak Ae-rin, là on peut sans doute monter à environ 70 points.