← Retour au blog
AiEnviron 8 min de lecture

DeepTutor veut se souvenir de ce que vous avez raté

Publié le 9 nov. 2026
DeepTutor veut se souvenir de ce que vous avez raté

DeepTutor compte 56 715 étoiles, une prépublication arXiv, une version 1.7.2 livrée cette semaine, et un sous-titre qui donne tout son argument : tutorat personnalisé tout au long de la vie.

« Tout au long de la vie » est le mot chargé. Tout le reste du produit découle du fait de le prendre au sérieux.

Une application de tutorat normale est une machine à réponses avec une jolie police. Vous demandez, elle explique, vous partez. La session suivante repart de zéro, ce qui arrange le fournisseur et ne vous sert à rien, parce que ce qu'il vous fallait vraiment, c'était que quelqu'un remarque que vous faites la même erreur chaque fois que vous touchez à un certain type de problème.

Le pari de DeepTutor, c'est que l'actif précieux n'est pas l'explication. C'est la trace des explications qui ont déjà échoué.

Ce qu'il contient

Le projet vient de HKUDS et se décrit comme un espace d'apprentissage natif pour agents. En pratique, cela signifie plusieurs modes qui partagent un même moteur : Chat, Quiz, Research, Visualize, Solve, Mastery Path et Reading. Ils partagent le contexte de session, donc une question posée dans Chat est disponible quand vous passez à Quiz, et une faiblesse détectée dans Quiz peut alimenter un Mastery Path.

Autour, trois espaces (Accueil, Apprentissage, Ressources) relient des livres, la lecture, la pratique, un tableau de tâches, un calendrier et un carnet d'apprentissage. Matériaux partagés, progression partagée, contexte partagé. Si vous avez utilisé une application de notes qui fait aussi de la répétition espacée, la forme vous sera familière et la pratique nettement plus connectée.

Le mode Research s'appuie sur vos propres matériaux via un pipeline RAG, et chaque base de connaissances peut recevoir un pipeline différent. Cela ressemble à un détail de configuration jusqu'à ce que vous ayez vu un assistant généraliste expliquer avec assurance un concept tiré d'un manuel que vous n'utilisez pas. Pouvoir pointer la recherche vers la source précise que votre cours utilise vraiment, c'est la différence entre une réponse plausible et une réponse utile.

A wall of blank index cards pinned in a grid, connected by coloured threads

L'installer

Le chemin rapide :

pip install -U "deeptutor[full]"

Cela installe l'application web complète et la CLI. deeptutor seul n'installe que le cœur, ce que vous voulez si vous construisez par-dessus plutôt que d'utiliser l'interface. Il existe des installateurs desktop macOS et Windows si vous préférez éviter le terminal, des images Docker préconstruites sur GHCR pour un déploiement serveur, et la documentation vit sur deeptutor.info. L'article de conception est arXiv:2604.26962 si vous voulez le raisonnement derrière la séparation des modes avant d'installer quoi que ce soit.

La configuration est une couche de services unifiée avec prise en charge de plusieurs fournisseurs de LLM et d'embeddings, ce qui veut dire que vous pouvez pointer vers un modèle hébergé ou un modèle local. Pour un outil d'étude, ce choix compte plus que d'habitude : les transcriptions de ce que vous ne comprenez pas sont des données particulièrement personnelles.

L'historique des versions dit ce qui manquait

Lisez le changelog à l'envers et vous obtenez une liste franche de ce dont un outil d'apprentissage a besoin avant de mériter le mot « tout au long de la vie ».

Persistance des sessions. Téléversement incrémental de documents. Choix du pipeline RAG par base de connaissances. Refonte de la génération de questions. Une architecture de prompts unifiée. Déploiement Docker. Modèles multi-fournisseurs. Localisation complète en chinois.

La moitié de ces éléments relève de l'infrastructure, pas des fonctionnalités, et c'est le point. Une mémoire qui survit à un redémarrage n'est pas un agrément dans un système de tutorat : c'est toute la prémisse. La version 1.7.0 du 28 octobre était surtout une refonte de l'interface, ce qui signale d'habitude que le moteur a cessé de changer de forme tous les mois.

Ce qu'est vraiment un Mastery Path, et pourquoi c'est difficile

Les noms de modes qui comptent le plus sont Quiz et Mastery Path, parce que ce sont ceux qui exigent un modèle de l'élève plutôt qu'un modèle de la matière.

Le quiz est facile à simuler : générer dix questions, les corriger, afficher un score. Un parcours de maîtrise est plus dur. Il faut savoir quel concept chaque mauvaise réponse met en cause, de quel prérequis ce concept dépend, et si l'apprenant s'est trompé à cause du prérequis ou à cause de la formulation de la question. Ensuite il faut ordonner les quatre étapes suivantes pour que chacune ne dépasse que légèrement ce que l'apprenant sait faire à cet instant.

C'est un vrai morceau d'ingénierie, et c'est la partie où un LLM seul ne suffit pas : il faut un graphe de concepts, ce qui explique pourquoi le produit ressemble autant à une base de connaissances avec une interface de chat greffée dessus qu'à l'inverse. Le chat est la porte d'entrée. Le graphe est la maison.

Ce que coûte vraiment la première semaine

La mise en place est la partie ennuyeuse et elle mérite un compte rendu honnête.

L'installation prend quelques minutes. Ensuite il faut lui donner de quoi enseigner. Téléverser un chapitre de manuel fonctionne ; téléverser un dossier de PDF fonctionne mieux ; téléverser un semestre de vos propres notes fonctionne le mieux, et c'est aussi la chose la plus fastidieuse de votre semaine. Le téléversement incrémental aide ici (un document peut être ajouté en cours de route au lieu de reconstruire la base), mais le premier passage reste manuel.

Puis vous configurez un modèle. La couche multi-fournisseurs vous laisse le choix, et pour du matériel d'étude, l'argument plaide pour le meilleur modèle que vous pouvez vous offrir plutôt que le moins cher, parce que le mode de défaillance d'un modèle faible en mode tuteur, c'est l'erreur assurée, précisément ce qu'un élève ne peut pas détecter.

Le mode qui rapporte le plus vite est généralement Quiz, pas Chat. Se faire poser une question sur un matériau qu'on vient de lire, et se tromper, produit un sentiment d'écart plus net que n'importe quelle explication. Ce n'est pas une propriété de ce produit, c'est ainsi que fonctionne la pratique de récupération, mais le produit est construit pour rendre cette boucle commode, et la commodité est la raison pour laquelle la boucle a lieu.

Mastery Path est le mode qu'on ne peut pas évaluer rapidement. Il lui faut plus d'historique qu'une semaine n'en fournit, ce qui est soit une limite juste, soit un défaut de conception, selon votre patience.

Où il vous décevra

Il a besoin de vos matériaux. Toute la proposition de valeur dépend du fait que la couche RAG ait quelque chose à récupérer. Pointez-le vers une base vide et vous obtenez un assistant généraliste compétent, c'est-à-dire ce dont vous cherchiez à sortir.

La dispersion des modes est réelle aussi. Sept modes plus trois espaces, c'est beaucoup de surface pour un outil d'étude, et le mode de défaillance honnête d'un système comme celui-ci, c'est de passer une semaine à le configurer et deux soirées à vraiment apprendre.

Et « tout au long de la vie » fait un peu de marketing. Le système retient ce qui se passe à l'intérieur. Il ne sait pas ce que vous avez appris dans un livre lu sur papier, dans un cours, ou dans une conversation avec un collègue. La trace n'est aussi complète que l'habitude de l'alimenter.

À qui ça s'adresse vraiment

Si vous préparez un seul examen en trois semaines, un bon manuel et une pile d'annales feront mieux. Si vous apprenez quelque chose sur des mois (une langue, une matière clinique, un morceau de mathématiques que vous êtes toujours sur le point de comprendre), la persistance est la fonction. La valeur du système se cumule d'une façon que celle d'une fenêtre de chat ne connaît pas.

La comparaison qui vaut la peine n'est pas avec d'autres tuteurs IA. C'est avec le dossier de notes que vous tenez depuis des années et que vous ne rouvrez jamais. DeepTutor est une tentative de construire la version de ce dossier qui vous pose des questions.

Savoir si ça marche est une question empirique à laquelle vous ne pouvez répondre que pour vous-même, sur une période assez longue pour être gênante. Ce qui est, à peu de choses près, la définition de l'éducation.

Articles associés