DeepTutor : l'Assistant IA Qui Personnalise l'Apprentissage avec des Agents

Et si votre prochain professeur particulier était une IA capable de s'adapter à votre rythme, de générer des quiz personnalisés à partir de vos propres cours, et de résoudre des problèmes complexes étape par étape avec des citations précises ? C'est la promesse de DeepTutor, un assistant d'apprentissage open source développé par le laboratoire d'intelligence des données de l'Université de Hong Kong (HKUDS). Lancé en décembre 2025 et entièrement réécrit pour sa version 1.0 en avril 2026, le projet a déjà dépassé les 17 000 étoiles sur GitHub. Voici pourquoi DeepTutor pourrait redéfinir la façon dont vous apprenez.

DeepTutor est un assistant d'apprentissage personnalisé construit sur une architecture multi-agents. Son principe : vous uploadez vos documents (manuels, articles de recherche, notes de cours, PDF techniques) et l'outil construit une base de connaissances intelligente à partir de laquelle une batterie d'agents IA collabore pour vous accompagner dans votre apprentissage.

Contrairement à un simple chatbot qui répond à des questions, DeepTutor propose cinq modes unifiés qui partagent le même contexte de conversation. Vous pouvez commencer par une discussion libre (Chat), escalader vers une résolution multi-agents (Deep Solve), générer des quiz à partir de vos documents (Quiz Generation), lancer une recherche approfondie sur un sujet (Deep Research), ou créer des animations mathématiques visuelles (Math Animator). Le tout sans perdre le fil de la conversation.

L'outil est entièrement open source sous licence Apache 2.0, auto-hébergeable, et supporte plus de 30 fournisseurs de LLM : OpenAI, Anthropic, DeepSeek, Gemini, Groq, Mistral, Ollama et bien d'autres. Vos données restent sur votre machine.

DeepTutor est né au sein du HKU Data Intelligence Lab (HKUDS), un laboratoire de recherche de l'Université de Hong Kong dirigé par Chao Huang. L'équipe a interrogé de nombreux étudiants et a identifié un problème récurrent : les outils d'apprentissage existants étaient fragmentés. Un outil pour les flashcards, un autre pour les résumés, un autre pour les quiz, aucun ne partageait le même contexte ni ne s'adaptait véritablement au parcours de l'apprenant.

La première version open source a été publiée fin décembre 2025. En cinq jours, le projet dépassait les 1 400 étoiles sur GitHub.

Trois mois plus tard, en avril 2026, l'équipe a publié la version 1.0, une réécriture complète de l'architecture représentant environ 200 000 lignes de code. Cette nouvelle version introduit les TutorBots, le mode Math Animator, le Co-Writer et une CLI complète. Le projet a alors franchi la barre des 17 000 étoiles avec 2 200 forks.

Ce qui distingue DeepTutor des chatbots éducatifs classiques, c'est son architecture multi-agents à double boucle. Le système sépare le processus d'investigation du processus de résolution, ce qui permet une analyse plus profonde et des solutions plus précises que les tuteurs IA à tour unique.

La boucle d'analyse fait intervenir deux agents. L'InvestigateAgent explore la question en interrogeant la base de connaissances (RAG), le web et les bases d'articles académiques. Le NoteAgent compile et structure les informations découvertes en notes exploitables.

La boucle de résolution mobilise quatre agents. Le PlanAgent élabore une stratégie de résolution. Le ManagerAgent coordonne l'exécution. Le SolveAgent applique le plan étape par étape. Le CheckAgent vérifie la cohérence et la précision du résultat final.

Cette architecture en double boucle est complétée par un système de plugins à deux couches. La première couche regroupe 7 outils : recherche dans la base de connaissances (RAG), recherche web, exécution de code, raisonnement profond, brainstorming, recherche d'articles académiques et visualisation GeoGebra. La seconde couche définit 5 capacités, qui sont des pipelines multi-agents combinant plusieurs outils : Chat, Deep Solve, Deep Question (quiz), Deep Research et Math Animator.

DeepTutor propose cinq modes qui partagent tous le même fil de conversation, permettant de passer de l'un à l'autre sans perdre le contexte.

Chat est le mode de conversation classique, enrichi par les outils. L'assistant peut interroger votre base de connaissances, lancer une recherche web, exécuter du code ou activer le raisonnement profond pour répondre à vos questions. Chaque réponse cite ses sources avec précision.

Deep Solve est le mode de résolution de problèmes multi-agents. Vous posez un problème complexe (mathématiques, physique, programmation) et le système active la double boucle analyse/résolution. Le résultat est une solution détaillée, étape par étape, avec les sources et le raisonnement explicité.

Quiz Generation (Deep Question) génère des évaluations directement à partir de vos documents uploadés. Le système crée des questions de difficulté adaptée, avec un mécanisme de suivi pour éviter les doublons et proposer des questions de relance en cas d'erreur.

Deep Research décompose un sujet en sous-thèmes, lance des agents de recherche en parallèle sur le web, les bases d'articles académiques et vos documents locaux, puis produit un rapport structuré et entièrement sourcé.

Math Animator utilise Manim (la bibliothèque d'animation mathématique rendue célèbre par 3Blue1Brown) pour créer des animations visuelles expliquant des concepts mathématiques. La version 1.0.1 a ajouté un pipeline de visualisation Chart.js/SVG pour les graphiques et diagrammes interactifs.

Les TutorBots sont l'une des innovations les plus marquantes de DeepTutor v1.0. Ce ne sont pas de simples chatbots : ce sont des tuteurs autonomes, chacun disposant de son propre espace de travail, de sa propre mémoire, de sa personnalité et de ses compétences.

Chaque TutorBot est configuré via un "soul file" qui définit sa personnalité, son style d'enseignement et son domaine d'expertise. Un TutorBot peut être un professeur de mathématiques patient et socratique, un coach de programmation direct et pragmatique, ou un mentor de recherche académique rigoureux.

Les TutorBots disposent d'une mémoire persistante indépendante. Ils se souviennent de ce que vous avez étudié, de vos points forts et de vos lacunes. Ils peuvent même envoyer des rappels proactifs grâce à un système de "heartbeat" (battement de coeur) qui les fait vivre au-delà des sessions de conversation.

Les TutorBots sont intégrables sur 12 plateformes de messagerie, dont Discord, Telegram et WeChat, ce qui permet d'interagir avec votre tuteur IA directement depuis votre application de messagerie préférée.

DeepTutor propose quatre méthodes d'installation adaptées à différents profils d'utilisateurs. Le projet nécessite Python 3.11+ et Node.js 16+.

Option A : Le Setup Tour (recommandé). Un assistant interactif guide la configuration étape par étape, avec des tests de connexion en direct :

git clone https://github.com/HKUDS/DeepTutor.git
cd DeepTutor
conda create -n deeptutor python=3.11 && conda activate deeptutor
python scripts/start_tour.py

Option B : Installation locale manuelle. Pour ceux qui préfèrent le contrôle total :

pip install -e ".[server]"
cd web && npm install && cd ..
cp .env.example .env
python -m deeptutor.api.run_server
cd web && npm run dev -- -p 3782

Option C : Docker. La méthode la plus simple pour un déploiement rapide, compatible amd64 et arm64 :

docker compose -f docker-compose.ghcr.yml up -d

Option D : CLI uniquement. Pour une utilisation sans interface graphique :

pip install -e ".[cli]"
deeptutor chat
deeptutor run deep_solve "Résoudre l'intégrale de x²sin(x)"

La configuration des LLM se fait via un fichier .env où vous définissez votre fournisseur (LLM_BINDING), votre modèle (LLM_MODEL) et votre clé API. DeepTutor supporte plus de 30 fournisseurs, d'OpenAI à Ollama pour une utilisation 100% locale.

L'un des points forts de DeepTutor est sa compatibilité avec un très large éventail de fournisseurs de LLM et d'embeddings.

Cette flexibilité permet d'utiliser DeepTutor avec des modèles locaux via Ollama pour une confidentialité totale, ou avec les modèles les plus puissants d'OpenAI et Anthropic pour des performances maximales. Le choix du fournisseur de recherche web est également configurable, avec Brave en option recommandée grâce à son tier gratuit généreux.

Le marché des tuteurs IA s'est considérablement enrichi en 2026. Voici comment DeepTutor se positionne face aux alternatives les plus populaires.

Khanmigo (Khan Academy) est un tuteur IA socratique intégré à l'écosystème Khan Academy. Il guide l'apprenant par des questions plutôt que de donner directement les réponses. Son point fort est son ancrage dans un curriculum structuré (mathématiques, sciences, informatique). Cependant, Khanmigo est un service payant (4 $/mois), propriétaire, et ne permet pas d'uploader ses propres documents ni de personnaliser les agents.

NotebookLM (Google) excelle dans la synthèse multi-sources. Vous uploadez jusqu'à 50 documents et l'IA répond exclusivement à partir de ces sources, avec des citations précises. Sa fonctionnalité signature, Audio Overview, génère un podcast audio à partir de vos cours. NotebookLM est gratuit mais ne propose ni résolution multi-agents, ni quiz adaptatifs, ni TutorBots autonomes.

DeepTutor est entièrement pilotable en ligne de commande, une approche qui le rend accessible aussi bien aux humains qu'aux agents IA. La CLI propose un rendu terminal riche pour les utilisateurs et une sortie JSON structurée pour les intégrations automatisées.

deeptutor chat                                    # REPL interactif
deeptutor run chat "Expliquer la transformée de Fourier"
deeptutor run deep_solve "Résoudre cette équation"
deeptutor kb create ma-base --doc manuel.pdf       # Créer une base de connaissances
deeptutor kb list                                  # Lister les bases

La gestion des bases de connaissances, des sessions, de la mémoire et des TutorBots se fait entièrement via la CLI. Chaque commande peut produire une sortie JSON structurée, ce qui permet d'intégrer DeepTutor dans des pipelines d'automatisation ou de l'utiliser comme outil pour d'autres agents IA.

Le Knowledge Hub est le socle de DeepTutor. Vous y uploadez vos documents (PDF, Markdown, fichiers texte) et l'outil les transforme en base de connaissances prête pour le RAG (Retrieval-Augmented Generation). Les documents sont indexés avec des embeddings vectoriels, ce qui permet une recherche sémantique précise plutôt qu'une simple recherche par mots-clés.

Vous pouvez organiser vos connaissances dans des carnets (notebooks) colorés, chacun dédié à un sujet ou un cours. Les insights et notes générés par l'IA sont automatiquement classés dans le carnet approprié. Le système supporte plusieurs fournisseurs d'embeddings : OpenAI, DashScope, Ollama, SiliconFlow et vLLM, avec la possibilité de configurer la dimension des vecteurs (par exemple 3072 pour text-embedding-3-large).

DeepTutor maintient un "profil vivant" de chaque apprenant. Ce profil enregistre ce que vous avez étudié, les sujets maîtrisés, les lacunes identifiées et vos préférences d'apprentissage. Toutes les fonctionnalités (Chat, Deep Solve, Quiz, Research) alimentent ce profil en continu.

Cette mémoire persistante est stockée localement dans une base SQLite. Elle survit aux redémarrages et permet à l'IA de reprendre exactement là où vous en étiez, même après plusieurs jours d'absence. C'est ce qui distingue DeepTutor d'un simple chatbot : l'assistant se souvient véritablement de votre parcours.

La persistance des données est assurée par Docker via des volumes montés : ./data/user pour les paramètres utilisateur, la mémoire, les sessions et les logs, et ./data/knowledge_bases pour les documents uploadés et les index vectoriels.

Malgré ses qualités, DeepTutor présente plusieurs limites à connaître.

La complexité d'installation est le premier frein. Contrairement à NotebookLM ou Khanmigo qui sont des services web prêts à l'emploi, DeepTutor nécessite une installation locale avec Python, Node.js et la configuration d'un fournisseur LLM. L'option Docker simplifie le processus, mais reste plus technique qu'un service SaaS.

Le coût des API LLM peut surprendre. Si l'outil est gratuit, l'utilisation de modèles comme GPT-4o ou Claude via API génère des frais variables. L'alternative est d'utiliser des modèles locaux via Ollama, mais cela nécessite un hardware conséquent (GPU recommandé).

La jeunesse du projet implique une certaine instabilité. La version 1.0 date d'avril 2026 et l'API évolue rapidement. Les formats et les configurations peuvent changer entre les versions mineures.

Le support multimodal reste limité aux documents textuels (PDF, Markdown, texte). L'upload direct d'images, de vidéos ou de fichiers audio pour enrichir la base de connaissances n'est pas encore disponible, bien que la communauté l'ait demandé.

Au-delà des cinq modes principaux, DeepTutor intègre deux fonctionnalités complémentaires qui enrichissent l'expérience d'apprentissage.

Le Co-Writer est un éditeur Markdown dans lequel l'IA est un collaborateur à part entière. Vous sélectionnez un passage de texte et l'IA peut le réécrire, le développer ou le résumer en s'appuyant sur votre base de connaissances et le web. C'est un outil particulièrement utile pour la rédaction de mémoires, de rapports de recherche ou de notes de synthèse.

Le Guided Learning génère des parcours d'apprentissage structurés et visuels à partir de vos documents. Chaque point de connaissance est présenté sur une page HTML interactive avec des explications contextuelles et des questions de compréhension. C'est la fonctionnalité qui transforme un simple PDF de cours en un véritable parcours pédagogique interactif.

DeepTutor comble un vide réel dans l'écosystème des outils d'apprentissage assisté par IA. Là où la plupart des tuteurs IA se limitent à un chatbot connecté à un LLM, DeepTutor propose une architecture multi-agents complète, avec mémoire persistante, personnalisation par TutorBots et cinq modes d'interaction qui partagent le même contexte.

Le profil idéal pour DeepTutor est un étudiant universitaire, un chercheur ou un professionnel en formation continue qui travaille avec des documents techniques denses et a besoin d'un accompagnement structuré et adaptatif. Si vous cherchez simplement un chatbot pour répondre à des questions générales, les alternatives comme ChatGPT ou Khanmigo sont plus accessibles.

Avec 17 000 étoiles sur GitHub, une licence Apache 2.0, le support de plus de 30 fournisseurs de LLM et une architecture multi-agents unique, DeepTutor s'impose comme le tuteur IA open source le plus ambitieux de 2026. Le projet illustre une tendance de fond : l'apprentissage personnalisé par agents autonomes ne relève plus de la science-fiction, mais d'un pip install.