Étape 3.
Positionner mon produit

What is wrong with me — w.shoette.com — est un journal de santé conversationnel à IA (« The AI health journal you talk to ») : on lui parle — voix, photos, documents médicaux — il agrège les signaux du quotidien (sommeil, stress, cycle, météo, calendrier) et son moteur cherche les corrélations pour répondre à « pourquoi ça ne va pas ». L'app est gratuite (0 €/an), téléchargeable sur l'Apple Store et Google Play, et fonctionne uniquement sur invitation. Elle se déclare « not a medical device » et héberge ses données en Union européenne (RGPD, HDS).

Le modèle économique déclaré par Elena : l'app est l'outil ; la valeur payante est l'adhésion à un programme de recherche — un « shared anonymised data pool around one issue » à 200 €/mois, versés à une société de recherche qui organise des calls et, surtout, le traitement des données. Dans un programme, le moteur compare les corrélations entre participants : dès qu'une piste émerge, il propose à tous le même test (ex. : une piste « lactose après 17 h → sommeil non réparateur » déclenche une consigne « prendre du lactose le lendemain à 18 h » — chacun reste libre d'accepter ou de refuser), et l'enseignement validé est réinjecté dans l'app, qui tient une note de profil sans cesse réévaluée.

L'usage positionné ici déclaré par Elena : le Programme 1 — l'étude du blocage de la perte de poids chez des patients sous Mounjaro 15 mg (la dose maximale) sans effet sur la faim ni sur l'envie, avec un comportement addictif au sucre. Soit, très précisément, les non-répondeurs GLP-1 à pleine dose : l'angle mort du marché lu par les runs S1/S2.

Les valeurs du projet dans cette note sont déclaratives — issues du site du projet et du cadrage d'Elena — à la différence des valeurs des concurrents, sourcées publiquement par le run S1. Ce run S3-2 actualise le run S3-1 (12 juin 2026) avec les informations produit transmises depuis.

Sur la configuration par défaut (part de marché en hauteur), What is wrong with me se pose tout en bas du graphique, à 0 % — mécanique pour une app en beta ; ce n'est pas là que se joue la lecture. Sur les dimensions structurantes, le projet occupe une position qu'aucun acteur du panel n'occupe. En intégration médicale (~4/10), il se tient seul dans le couloir vide du marché : le panel se scinde en deux blocs — trackers et coachs grand public entre 0 et 2 (MyFitnessPal, Simple, Cal AI, Yazio, Lose It!, MacroFactor, Lifesum, Cronometer) et le duo médicalisé à 9 (WeightWatchers, Noom) ; entre 3 et 8, toujours personne, hormis les compagnons GLP-1 (Shotsy, MeAgain) que le run S1 n'a pas pu chiffrer. En personnalisation IA (~9/10, déclaratif), le projet reste dans le trio de tête (Simple 9, Cal AI 8, Noom 8) — pour une fonction inédite : instruire une enquête au lieu d'exécuter un programme. La vraie bascule depuis le S3-1 est ailleurs, sur le prix et le modèle : l'app passe de « prix non annoncé » à gratuite (0 €) — elle se range donc à gauche de Cal AI, le moins cher du panel. Mais c'est un trompe-l'œil : la monétisation réelle est le Programme 1 à 200 €/mois, soit le prix d'accès le plus élevé de tout le marché (devant les ~23 $/mois de WeightWatchers, et hors traitement). Le modèle est inversé par rapport au reste du panel : là où les concurrents font payer un abonnement applicatif et cherchent le volume (freemium), W donne l'app et fait payer cher une participation à la recherche, sur une cohorte fermée (sur invitation) et resserrée (non-répondeurs Mounjaro 15 mg). Aucun concurrent ne monétise ainsi : c'est moins une app de perte de poids qu'un dispositif de recherche communautaire branché sur l'angle mort du marché — ceux pour qui le traitement de référence ne tient pas sa promesse.

Il n'y a pas de nombre magique. La crédibilité d'une donnée de santé ne dépend pas d'abord du nombre de participants, mais de l'ambition de l'affirmation qu'on veut en tirer, rapportée à trois obstacles : la variabilité inter-individuelle (en métabolisme elle est énorme — l'étude ZOE PREDICT 1 montre que la génétique explique moins de 30 % de la variation des réponses glycémiques à un même repas), la multiplicité des tests (le moteur de W passe au crible des centaines de corrélations : sans discipline statistique, on « trouve » des liens significatifs par pur hasard) et la reproductibilité (un effet n'est crédible que s'il se répète). On peut donc cadrer trois paliers.

Bonne nouvelle pour W : son protocole — proposer à toute la cohorte un test déclenché par une piste (le « lactose à 18 h »), puis mesurer la réponse — est exactement un essai croisé « challenge-rechallenge », c'est-à-dire un n-of-1 agrégé. Or ce design est reconnu par la médecine (guide de référence de l'AHRQ) et bien plus puissant par participant qu'un essai classique, parce que chacun est son propre témoin : il neutralise la variabilité entre individus, justement le principal obstacle ici. Le levier de crédibilité de W n'est donc pas le nombre mais la rigueur : hypothèse pré-déclarée, ordre des tests randomisé, période de wash-out, insu quand c'est possible, répétition des cycles, et correction pour les tests multiples. À titre de repères, voici ce qu'a exigé le monde médical pour des affirmations comparables :