Training Dashboard
Un tableau de bord personnel qui reformate mes données Strava autour de ce que je veux réellement suivre, avec n8n comme couche de récupération et de correction.
Le point de départ
Les plateformes sportives donnent beaucoup de données, mais pas forcément la vue qui aide le mieux à relire son propre entraînement. Training Dashboard est né de ce décalage : reprendre les activités et statistiques existantes pour les présenter selon mes propres questions.
Le projet ne cherche pas à remplacer Strava. Il ajoute une couche de lecture personnelle au-dessus de données déjà disponibles.
Les contraintes
La donnée arrive depuis plusieurs workflows n8n et peut avoir besoin d’être corrigée sans modifier manuellement le front. Le dashboard doit également rester accessible depuis plusieurs appareils tout en protégeant une vue qui n’a pas vocation à être publique.
Une autre contrainte est apparue plus tard : pendant un temps, le déploiement Vercel était devenu une source plus fiable que le repository lui-même. Continuer ainsi rendait chaque évolution plus risquée.
Les choix qui ont compté
Le front React/Vite consomme des Vercel Functions qui servent de frontière avec les workflows n8n. Cette séparation permet de faire évoluer l’agrégation ou la correction des activités sans coupler directement l’interface aux URLs et détails des workflows.
La remise à plat du projet a surtout consisté à reconstruire le repository depuis le déploiement existant, documenter les variables et remettre main au centre du cycle de développement. Le travail de continuité a été aussi important que le travail de visualisation.
Où le projet en est
Le dashboard est déployé et maintenu. Il expose les activités, des vues de statistiques courantes et hebdomadaires, des détails d’activité et un flux de correction relié à n8n.
Le projet reste volontairement personnel : il sert d’outil quotidien et de terrain d’expérimentation sur la bonne frontière entre automatisation de données et interface de lecture.
Ce que j’en retiens
Une source de données externe n’oblige pas l’interface à adopter son modèle mental. Le bon dashboard commence par les questions que l’on veut poser, puis transforme la donnée pour y répondre.
J’en retiens aussi une règle de maintenance simple : un déploiement ne doit jamais devenir l’unique copie fiable du produit. Restaurer une source de vérité versionnée est un vrai travail produit, pas une corvée administrative à reporter.