Passer au contenu
Tous les projets
Projet phare : Deep Dive

Projet personnel

Éducation / EdTech · 2026

Quetzal : Plateforme d'apprentissage native IA avec extraction de connaissances

A conçu et lancé une plateforme d'étude IA sur invitation, utilisée par 20 étudiants : elle transforme leurs propres supports de cours en tutorat, quiz et examens blancs au format des examens passés, crée des quiz ciblés sur les points faibles repérés dans les examens blancs et permet aux étudiants d'ajuster le style du tuteur.

IA multi-modèlesEdTechExtraction de connaissancesFull-Stack
Next.jsTypeScriptFastAPIPostgreSQLOpenAIGeminiAnthropicOCR

Contexte

Point de départ et environnement

Les plateformes d'apprentissage traditionnelles traitent l'IA comme une fonctionnalité rapportée après coup. Les étudiants ont besoin de systèmes qui comprennent réellement leur matériel d'étude et s'adaptent à leurs lacunes.

Défi

Contrainte principale à résoudre

Construire un moteur d'extraction de connaissances en plusieurs étapes qui décompose les documents académiques en unités de connaissance atomiques et évaluables, avec une calibration précise de la difficulté, une déduplication et des garanties de couverture sur des domaines académiques variés.

Solution

Démarche de conception et de mise en œuvre

A conçu un système d'orchestration multi-modèles contraint (OpenAI, Gemini, Anthropic) avec validation par superviseur, garde-fous anti-hallucination et calibration de la difficulté ancrée dans la taxonomie de Bloom. A intégré une correction basée sur l'OCR, des indices progressifs et des modes d'interaction socratiques.

Résultat

Impact mesurable et résultat de la livraison

Lancée auprès de 20 étudiants et conçue pour être digne de confiance : tests A/B, auto-audits de sécurité récurrents, auto-amélioration basée sur les retours, et un assistant conçu pour qu'un document malveillant ne puisse pas lui faire supprimer ou partager quoi que ce soit sans l'accord de l'étudiant.

Point clé

“Aucun modèle unique ne l'emporte sur toutes les tâches ; router selon les forces de chacun a donné de meilleurs résultats. Ajouter une validation stricte a fortement réduit les hallucinations, et la taxonomie de Bloom a rendu le contenu pédagogique généré exploitable.”

Captures d'écran
Quetzal : Plateforme d'apprentissage native IA avec extraction de connaissances capture d'écran 1
1 / 12

Vous travaillez sur quelque chose de similaire ? Je prends en charge un nombre restreint de missions de conseil et de freelance en IA agentique, systèmes RAG et fiabilité des LLM.

Ce site peut utiliser des analyses respectueuses de la vie privée pour améliorer la qualité du contenu. Aucun cookie publicitaire n'est utilisé.

Vous pouvez modifier ce choix à tout moment sur la page de confidentialité. En savoir plus dans la Politique de confidentialité.