En bref : Neurako offre désormais aux apprenants sérieux des contrôles FSRS par utilisateur, une optimisation et une UX moderne sur le web et le mobile, sans la complexité de configuration habituelle des systèmes avancés. Ce guide t'apporte le contexte pratique, les compromis et les prochaines étapes pour que tu puisses décider comment l'appliquer à ton propre système d'étude.
En bref
Neurako te permet maintenant de régler ton propre algorithme FSRS, au lieu d'utiliser un réglage par défaut identique pour tout le monde.
Cela signifie que tu peux :
- Modifier ta rétention souhaitée pour trouver l'équilibre entre mémorisation et volume de révisions.
- Définir un intervalle maximum pour limiter le temps d'absence d'une carte maîtrisée.
- Activer ou désactiver le fuzz pour lisser les pics de révision.
- Optimiser tes poids FSRS à partir de ton propre historique de révisions une fois que tu as assez de données.
Pour les apprenants venant d'Anki, cela comble l'un des derniers grands fossés : un contrôle total sur l'algorithme sans avoir à gérer de près un flux de travail pensé d'abord pour l'ordinateur.
Pourquoi c'est important
Beaucoup d'applications de flashcards disent qu'elles « utilisent FSRS » alors qu'en réalité :
- elles utilisent l'algorithme par défaut,
- avec les paramètres par défaut,
- de la même manière pour chaque utilisateur,
- sans aucun moyen d'ajuster la charge de travail si tes objectifs changent.
C'est mieux que les anciens systèmes d'intervalles, mais on est loin de tout le potentiel de FSRS.
La vraie puissance de FSRS vient du fait qu'il s'agit d'un modèle de mémoire paramétrable. Chaque apprenant tolère une charge de travail différente. Un étudiant en médecine qui prépare des examens veut souvent une mémorisation plus élevée et accepte de faire plus de révisions. Quelqu'un qui apprend une langue sur le long terme préférera peut-être moins de révisions quotidiennes et acceptera une rétention légèrement plus faible.
Neurako permet désormais les deux.
Ce que tu peux personnaliser dans Neurako
Rétention souhaitée
La rétention souhaitée indique à FSRS la probabilité de rappel à viser lors de la planification de la prochaine révision.
- Une rétention plus faible, entre 0,80 et 0,84, signifie moins de révisions, mais plus de cartes te sembleront « rouillées » à leur retour.
- La plage intermédiaire, entre 0,85 et 0,89, est une option équilibrée si tu veux réduire la charge de travail.
- 0,90 reste la valeur par défaut et demeure le bon choix pour la plupart des apprenants.
- Une rétention plus élevée, de 0,91 à 0,94, signifie des révisions plus fréquentes et une mémorisation plus solide, ce qui est utile pour des enjeux importants.
- Une rétention très élevée (0,95+) est possible, mais attends-toi à des files d'attente quotidiennes beaucoup plus lourdes.
L'idée à retenir est simple : augmenter la rétention achète de la certitude au prix de plus de travail ; baisser la rétention achète du temps au prix d'un peu plus d'oubli.
Intervalle maximum
Certains apprenants acceptent de laisser une carte maîtrisée disparaître pendant des années. D'autres veulent une limite stricte pour que les sujets importants réapparaissent plus tôt.
Neurako te permet maintenant de définir ce plafond directement avec l'intervalle maximum. Si tu ne veux jamais qu'une carte, même bien sue, dépasse un certain nombre de jours, tu peux l'imposer.
Fuzz
Le fuzz ajoute une petite dose d'aléa aux dates d'échéance pour éviter que ta file d'attente ne soit trop synchronisée. En pratique, cela permet d'éviter l'impression que des paquets entiers de cartes reviennent exactement le même jour.
Si tu préfères une planification plus déterministe, tu peux le désactiver.
Avant et après : ce que ça change concrètement
Avant la personnalisation
Avant cette mise à jour, chaque utilisateur utilisait effectivement les mêmes réglages par défaut. FSRS était déjà plus performant que les anciennes logiques d'intervalles, mais l'expérience restait générique :
- l'aperçu des intervalles était figé sur les paramètres par défaut,
- la charge de travail ne pouvait pas être ajustée depuis l'app,
- et l'optimisation n'était pas proposée comme fonctionnalité du produit.
Après la personnalisation
Désormais, tes paramètres d'étude influencent directement les futurs aperçus d'intervalles et les décisions de planification :
- baisser la rétention raccourcit les prochains intervalles et les rend plus prudents,
- augmenter la rétention allonge l'objectif de rappel mais augmente la pression des révisions,
- et les poids optimisés permettent à l'algorithme de mieux s'adapter à tes propres schémas de mémorisation une fois que tu as assez d'historique.
Le résultat concret n'est pas juste « plus de contrôle ». C'est une routine d'étude qui semble vraiment tienne.
Pourquoi c'est mieux qu'une configuration d'expert classique
Historiquement, la planification personnalisable se trouvait surtout dans des outils qui supposent que tu es à l'aise pour :
- fouiller dans les paramètres avancés,
- lire de longs fils de discussion sur des forums,
- et régler manuellement ton flux de travail entre l'ordinateur, les extensions et la synchronisation.
Neurako adopte une approche différente.
Tu bénéficies toujours de contrôles FSRS poussés, mais ils sont intégrés dans un flux de produit moderne :
- le mobile et le web utilisent les mêmes réglages,
- les aperçus d'intervalles reflètent immédiatement tes préférences,
- et le processus d'optimisation est intégré au produit au lieu d'être caché derrière des scripts communautaires.
Pour beaucoup d'apprenants, c'est le juste milieu : le sérieux de la planification d'Anki, avec la friction de configuration en moins.
Qui devrait modifier la rétention souhaitée ?
Tu devrais envisager de l'ajuster si :
- ta charge de révisions quotidienne semble trop lourde alors que les cartes ne sont pas particulièrement difficiles,
- ta file d'attente semble trop légère et tu veux une mémorisation plus solide avant des examens,
- ou si tu changes de mode d'étude (par exemple, passer d'un apprentissage décontracté à une préparation d'examen).
Tu ne devrais probablement pas la changer tous les jours. Laisse à l'algorithme le temps d'accumuler suffisamment de révisions pour que tes réglages aient un impact réel.
Quand l'optimisation est-elle utile ?
L'optimiseur de Neurako est destiné aux apprenants ayant suffisamment d'historique de révisions pour que la personnalisation soit pertinente.
L'optimisation est surtout utile quand :
- tu as déjà accumulé des données de révision substantielles,
- tes cartes couvrent un domaine assez cohérent,
- et tu veux que l'algorithme corresponde mieux à ta propre courbe de l'oubli.
Cela ne réécrit pas ton historique de révisions, ni l'état des anciennes cartes de manière rétroactive. Cela améliore la façon dont les futures révisions sont planifiées.
Une vue d'ensemble
Cette mise à jour est importante car elle fait passer Neurako d'une « application qui utilise une planification moderne » à une « application qui donne aux apprenants sérieux un vrai contrôle sur cette planification moderne ».
C'est le standard que les utilisateurs d'Anki attendent depuis des années. La différence, c'est que Neurako le propose désormais dans une expérience produit multiplateforme plus fluide :
- crée des cartes rapidement,
- étudie avec FSRS par défaut,
- règle l'algorithme quand tes objectifs changent,
- et optimise-le quand ton historique de révisions est suffisant.
C'est pourquoi nous pensons que Neurako offre désormais la meilleure expérience FSRS personnalisable en dehors d'Anki.
Tu veux d'abord les bases ? Lis FSRS expliqué. Tu veux comparer les méthodes de travail ? Voir Neurako vs Anki. Prêt à l'utiliser ? Passe à la version Pro ou ouvre tes paramètres d'étude dans Neurako.