Sommaire11 parties
DeepTutor est un tuteur IA open source, publié par l’équipe HKUDS, conçu pour accompagner un apprentissage sur la durée avec un suivi adapté à chaque apprenant. Il s’appuie sur tes propres documents, propose des exercices et une pratique quotidienne, et dispose d’une interface en français. Le projet publie des versions à un rythme soutenu : la dernière, la 1.6.15, date d’octobre 2026.
En bref
- Tuteur IA open source sous licence Apache-2.0, écrit en Python et TypeScript
- Répond à partir de tes documents, avec des réponses appuyées sur des citations
- Pratique quotidienne, banques de questions et apprentissage par vidéos YouTube
- Interface en français depuis la version 1.6.11
- Version 1.6.15 publiée en octobre 2026
Qu’est-ce que DeepTutor ?
DeepTutor se présente comme un outil de tutorat personnalisé tout au long de la vie. Son article de recherche, déposé sur arXiv par sept auteurs, part d’un constat : les modèles de langage s’appuient sur des connaissances figées par leur entraînement et ne s’adaptent pas à chaque apprenant, tandis que les systèmes de recherche dans les documents donnent peu de retours guidés.
Le projet répond par un cadre où des agents IA (des programmes qui enchaînent plusieurs actions) aident à résoudre des problèmes en citant leurs sources et à générer des questions d’une difficulté ajustée. Les auteurs précisent que cet article est un rapport technique, encore en cours de travail.
Comment fonctionne DeepTutor
Selon l’article, un moteur de personnalisation combine deux éléments : l’ancrage dans des connaissances statiques, c’est-à-dire tes documents, et une mémoire dynamique de l’apprenant. Chaque échange est ainsi adapté à l’évolution de tes besoins. Les notes de version de la 1.6.15 décrivent une mémoire bornée qui retient tes préférences d’enseignement, les incompréhensions non résolues et les passages de tes documents qui comptent, avec un accès aux échanges d’origine si nécessaire.
Côté documents, DeepTutor utilise des bases de connaissances : tu y verses tes fichiers, ils sont analysés et indexés, puis le tuteur s’en sert pour répondre. Les notes de version évoquent plusieurs moteurs de recherche et d’analyse (LightRAG, PageIndex, MinerU, entre autres), ce qui laisse le choix de la méthode selon tes documents.
Ce que DeepTutor sait faire
Les notes des dernières versions décrivent un ensemble large d’usages d’apprentissage, qui va de la lecture à l’entraînement.
Pour qui veut poser des questions sur ses documents, la version 1.6.14 permet d’interroger une figure, un tableau ou une page précise d’un PDF : DeepTutor retrouve l’image d’origine ou affiche la page, en gardant le lien avec le document.
- Apprendre à partir de vidéos YouTube et Bilibili, dans l’espace Lecture, avec discussion liée aux horodatages et notes
- S’entraîner chaque jour et à partir d’une banque de questions, en choisissant plusieurs questions enregistrées pour une conversation
- Suivre un parcours d’apprentissage guidé, dont tu peux réorganiser les modules après aperçu
- Lire des documents côte à côte avec le tuteur, avec citations page par page, et écouter une lecture à voix haute
- Recevoir des questions regroupées par deux à quatre, chacune corrigée séparément
Installer et essayer DeepTutor
Le projet est écrit en Python (66 % du code) et en TypeScript (34 %). Son README affiche Python 3.11 ou plus récent et Next.js 16 comme technologies de base, et les notes de version mentionnent des déploiements avec des conteneurs Docker ou Podman. Le README renvoie vers une section de démarrage et vers la documentation en ligne du projet.
Les commandes d’installation ne figurent pas dans les extraits consultés pour cet article, donc elles ne sont pas reproduites ici. Les notes de version citent en revanche une commande de diagnostic, deeptutor doctor, et une commande d’évaluation de la recherche dans les documents, deeptutor kb eval, qui mesure la qualité des réponses à partir d’un jeu de test local.
Pour qui et pour quels usages
DeepTutor s’adresse à toute personne qui veut réviser ou apprendre à partir de matériaux concrets : cours en PDF, livres, vidéos. Les notes mentionnent aussi des comptes apprenant et tuteur, des espaces de travail partagés et une administration, ce qui ouvre la voie à un usage en groupe.
Le projet se pilote aussi en ligne de commande et peut se connecter à des services de messagerie via des assistants appelés Partners. La version 1.4.3 en comptait 15 canaux, et une version ultérieure a ajouté Mattermost. Le tuteur peut aussi consulter un agent de code installé en local, comme Claude Code ou Codex.
Où en est le projet
Au 27 octobre 2026, le dépôt GitHub compte 45 267 étoiles, 5 698 copies, 242 contributeurs et 237 tickets ou demandes de fusion ouverts. Il a été créé le 28 décembre 2025, et son code a été modifié pour la dernière fois le 27 octobre 2026.
La version 1.6.15, datée du 19 octobre dans les notes (GitHub la relève au 18), apporte des modifications de parcours à valider avant application, des questions évaluées en groupe, une mémoire de tutorat bornée, une récupération plus fiable des conversations interrompues et une voix native pour Gemini. La 1.6.14 avait ajouté la pratique visuelle sur les pages d’origine et une indexation qui peut reprendre après une panne.
Ce qu’il faut savoir avant de se lancer
Le code est sous licence Apache-2.0. Le projet ne donne pas, dans les extraits consultés, de configuration matérielle minimale, et ne chiffre pas le coût d’utilisation des modèles : les notes parlent d’un suivi de l’usage et d’une estimation de coût avant de valider le plan d’un livre, ce qui laisse penser que des fournisseurs de modèles externes sont à configurer.
Les résultats annoncés dans l’article proviennent d’une évaluation menée par les auteurs : une amélioration moyenne de 10,8 % des métriques de personnalisation et de 29,4 % du raisonnement sur cinq modèles de base. Ils sont à lire comme tels, dans un rapport encore en cours de travail.
Quelques repères
- Modèle de langage : Programme d’IA entraîné sur de très nombreux textes pour comprendre et produire du langage. Ses connaissances s’arrêtent à la date de son entraînement.
- Base de connaissances : Ensemble de documents analysés et indexés pour qu’un assistant IA puisse y retrouver des passages précis et s’en servir pour répondre.
Questions fréquentes
DeepTutor est-il gratuit et open source ?
DeepTutor est open source, sous licence Apache-2.0. Le projet ne donne pas de prix dans les textes consultés ; les modèles d’IA qu’il utilise peuvent avoir leur propre coût, que les notes de version permettent de suivre.
DeepTutor existe-t-il en français ?
Oui. Les notes de la version 1.6.11 annoncent des interfaces en français et en ukrainien. Le README existe lui aussi en version française.
Peut-on apprendre à partir de vidéos YouTube avec DeepTutor ?
Oui. Depuis la version 1.6.14, les vidéos YouTube et Bilibili sont intégrées à l’espace Lecture, avec lecture native et discussion liée aux horodatages.
Peut-on poser des questions sur ses propres documents avec DeepTutor ?
Oui. Tu peux verser tes documents dans une base de connaissances et interroger le tuteur, y compris sur une figure, un tableau ou une page précise d’un PDF.
À retenir
DeepTutor est un tuteur IA open source sous licence Apache-2.0 qui combine tes documents, une mémoire de l’apprenant, des exercices et des vidéos. Le projet est très actif, mais ses résultats chiffrés viennent d’un rapport technique encore en cours, et la configuration requise n’est pas précisée dans ce qu’il publie ici.
