« Qu’est-ce que je mange aujourd’hui ? » : un service de recommandation de repas, `Han끼처방`, créé pour réduire cette hésitation

En vivant seul, la question répétitive « Qu’est-ce que je mange aujourd’hui ? » est devenue une fatigue plus importante que je ne l’imaginais. J’ai donc essayé de créer quelque chose qui ne “recherche” pas un menu, mais qui le réduit selon l’humeur ou la situation.

Les sites de recettes existants s’adressent surtout aux personnes qui ont déjà décidé quoi manger ; j’avais l’impression que l’étape avant de choisir était laissée vide. Hankki Cheobang se concentre donc sur le fait de sélectionner un repas adapté à partir d’un simple choix d’humeur (fatigue / stress / baisse de moral, etc.), de météo ou de situation (manger seul / repas de nuit / lendemain de veille, etc.). Le service peut être utilisé immédiatement, sans inscription.

▍Caractéristiques

• Recommandations basées sur l’humeur, la météo et la situation (pas une recherche, mais un « affinage »)
• Basé sur des données publiques de recettes du ministère coréen de la Sécurité alimentaire et pharmaceutique, avec labellisation pour faire correspondre les recettes à chaque situation
• Pages de menus par contexte, comme « menu du soir pour un jour de pluie », « repas solo » ou « snack de nuit »
• Utilisable sans inscription ni connexion, sur le web et via une application Android

▍Ce que j’ai essayé techniquement

• Monorepo Turborepo : Next.js (web, Vercel) / Expo RN (app) / Hono (API, Firebase Functions) / Firestore
• Générer les textes de recommandation par appel LLM au runtime posait des problèmes de coût, de latence et de cohérence ; j’ai donc tout généré à l’avance par batch puis chargé en base de données, de sorte qu’au runtime il n’y ait plus que de la consultation. (Le LLM n’est utilisé qu’au build time.)
• Les pages de menus par situation sont générées automatiquement à partir d’intentions de recherche éditorialisées, d’un appariement avec les labels des recettes et de contenus éditoriaux pré-générés ; seules celles qui passent les contrôles qualité (longueur, mots interdits, nombre de correspondances) sont indexées.

▍Limites assumées

• C’est encore une phase très initiale, avec presque pas de trafic, donc il manque de validation sur l’efficacité réelle de la qualité des recommandations à l’usage. C’est aussi pour cela que je le partage sur GN : pour recueillir des retours concrets.
• Comme les données de recettes reposent sur des données publiques, certaines descriptions restent un peu sommaires.

Que ce soit sur la motivation, la logique de recommandation ou le traitement des données, tous les retours et critiques sont bienvenus. En particulier, les remarques du type « il manque ce genre de situation » m’aideraient énormément.