Fallow
Réglages du jour 0h de budget 0.00 h planifiées 4h tête 6h corps 15min par changement
· 0.00 h planifiées + 0.00 h de changement · entièrement engagé
· Travail mental intense que tu tiens par jour (~4 h)
· Travail physique intense que tu tiens par jour (~6 h)
· Surcoût de changement de contexte par transition
Plan
Aucune tâche déployée pour l'instant
Ajoute une tâche pour commencer le suivi
Voir une journée d’exempleLa journée tient-elle ?
Le temps est-il bien employé ?
Qu'est-ce que ça coûte ?
Puis-je tenir ce rythme ?
Une appli de tâches qui fait le calcul différentiel à ta place
Chaque journée productive pose la même question : tu as plus de tâches que d'heures — comment répartir ton temps pour tirer le meilleur de la journée ? Fallow ne devine pas et ne répartit pas à parts égales. Il modélise la courbe de productivité de chaque tâche et résout la répartition du temps qui maximise la productivité moyenne par tâche, pondérée par l'importance que tu lui donnes et cumulée sur ta journée — dans les heures dont tu disposes et l'énergie mentale et physique que tu peux réellement tenir.
Comment ça marche
La productivité n'est pas constante dans le temps. Sur n'importe quelle tâche, tu démarres à un certain niveau, tu montes en régime à mesure que tu entres dedans, tu culmines en état de flow, puis tu redescends en fatiguant. Fallow décrit cette courbe avec trois choses que tu ressens intuitivement : à quel point la tâche est exigeante (effort), à quel point tu aimes la faire (plaisir) et le temps qu'il te faut pour démarrer (temps jusqu'au flow).
p(t) = (a·k·t + p₀) · e^(−kt)
Les tâches agréables et peu exigeantes sont productives tout de suite ; les tâches dures démarrent lentement mais culminent plus haut. Chaque tâche a aussi un point d'arrêt mathématiquement optimal au-delà duquel ta productivité moyenne sur elle diminue. Mieux Fallow connaît tes temps de flow, plus le point qu'il planifie se rapproche de 1,52 à 1,79 fois le temps jusqu'au flow ; moins il en est sûr, plus tôt il s'arrête. Fallow planifie par blocs de 15 minutes et n'en ajoute jamais un qui ferait baisser la moyenne d'une tâche.
Ce qui distingue Fallow
Fallow ne devine pas la répartition : analyse marginale gloutonne sur la valeur des blocs de 15 minutes, avec une recherche exhaustive sur les tâches qui méritent du temps une fois les coûts de changement de contexte facturés. Quand seules tes heures doivent être respectées, cette recherche renvoie l'optimum exact jusqu'à 12 tâches, et au-delà dès que ta journée, ta liste et le coût de changement la maintiennent ensemble bornée ; dès que les réservoirs cognitif et physique contraignent aussi, elle atteint l'optimum environ 94 % des jours et reste à quelques pour cent le reste du temps. Elle indique ensuite le Gain Fallow : de combien le plan optimisé fait mieux qu'une répartition égale.
Un modèle à deux réservoirs d'énergie suit séparément les capacités cognitive et physique, pour qu'une journée ne réserve pas plus de réflexion difficile que tu n'as de tête pour — et l'ordre d'exécution suggéré alterne les deux systèmes au lieu d'en épuiser un. Le modèle se personnalise aussi : note le temps qu'il t'a fallu pour atteindre le flow, et un ajustement par moindres carrés cale ses constantes sur toi. Le Labo d'énergie va plus loin : les pauses et l'heure d'arrêt découlent des maths.
Questions fréquentes
Fallow est-il gratuit ?
Oui. Fallow est gratuit et open source — le modèle complet, avec chaque formule et chaque démonstration, est documenté publiquement. Si ça t'aide, tu peux soutenir le développement et m'offrir un café.
Où sont stockées mes données ?
Entièrement sur ton appareil, dans la base de données locale de ton navigateur (IndexedDB). Tes tâches ne quittent jamais ta machine et aucun compte n'est nécessaire.
Qu'est-ce que l'algorithme Zenith Gradient ?
Une approche de la répartition quotidienne du temps qui modélise la productivité de chaque tâche comme une courbe montant jusqu'à l'état de flow puis décroissant, et qui répartit ta journée par valeur marginale — chaque bloc de temps suivant va à la tâche où il compte le plus à cet instant. Elle est née de l'article « How to Over-Engineer a To-Do App » ; Fallow l'étend avec des maths corrigées, des réservoirs d'énergie et des coûts de changement de contexte.