PrepaTutor AI

J’ai commencé par observer comment chaque versant d’une prépa utilise réellement l’IA aujourd’hui. Les élèves révisent contre la montre avec des chatbots génériques, et l’échec est structurel : un sujet qui se ramifie, une question qui en ouvre trois, se replie en un seul fil que l’on ne sait plus remonter le lendemain. L’outil répond, mais rien ne s’accumule.

Les enseignants portent l’image inverse de ce poids. Chaque cours, chaque feuille d’exercices et chaque quiz se construit à la main, à un niveau qui doit tenir face au concours, et la seule boucle de retour, ce sont les notes, des semaines plus tard. Les deux versants avaient besoin d’IA, mais pas de la même, et pas dans deux produits séparés.

La suite est cadrée comme trois produits derrière une seule ossature : les tableaux d’étude où se passent les révisions, un studio de documents où se fabriquent les supports, et une couche de progression qui lit la façon dont les élèves travaillent réellement. L’ossature est un lanceur : une grille calme d’outils sous un mot d’accueil, coiffée partout de la même barre flottante et vitrée.

Comme chaque outil est un droit et non une entrée de menu, le lanceur montre à chacun exactement ce qu’il peut utiliser, et rien d’autre. Quatre personnes utilisent quatre versions différentes du produit, et chacune voit un produit complet, pas un produit restreint.

La question de design la plus risquée était le tuteur de l’élève. La forme évidente était celle que tout produit d’IA possède déjà : une conversation. J’ai exploré trois directions : le fil que tout le monde connaît, un document vivant qui se réécrit à mesure que l’on demande, et un tableau spatial où chaque échange est un nœud sur un canevas.

Faire passer une vraie séance de révision par chaque forme a tranché. Le fil écrase la ramification : à la troisième relance, le contexte de la deuxième question a disparu en haut de l’écran. Le document vivant cache le chemin : on voit la réponse, jamais comment on y est arrivé. Le tableau était la seule forme où ramifier ne coûte rien et où le chemin du retour reste visible, pour qu’une séance devienne une carte que l’élève embrasse du regard.

Les premiers tableaux ont validé la direction et révélé son coût : au-delà d’une dizaine de nœuds, une carte de cartes identiques est aussi illisible que le fil qu’elle remplace. La deuxième version a répondu par une grammaire. Chaque nœud a un type, question, explication, indice, exercice, document ou fiche, et chaque type a sa couleur fixe : un tableau dense se lit par sa forme avant le moindre mot.

La carte spatiale a aussi gagné un jumeau linéaire : un panneau de lecture qui parcourt le même fil dans l’ordre, pour les moments où un élève veut être guidé plutôt qu’explorer. Et un espace de travail à onglets regroupe conversations, documents et ressources, pour que le tuteur ait toujours les supports de l’élève à un onglet.

La question de design du studio était la confiance : un enseignant ne donnera pas à ses élèves un support d’IA qu’il ne peut pas assumer. La génération est donc paramétrée par la vraie échelle de la prépa, la filière (MPSI, PCSI, MP, PSI et les autres), le niveau de Sup à Spé étoile, la matière et une difficulté qui grimpe jusqu’au concours, et chaque demande peut porter un PDF de référence. L’invite parle la langue de l’enseignant avant que le modèle n’écrive un mot.

Le résultat s’ouvre dans un éditeur riche avec un assistant à côté, parce que généré est un état de départ, pas un état final. Demandez un autre exemple, un exercice plus difficile ou une démonstration plus courte, et le document se réécrit. Les mathématiques sont rendues en direct et imprimées depuis la page : la formule de l’éditeur est la formule du PDF exporté.

La couche de progression est née d’une méfiance envers les notes. Une bonne réponse peut être un coup de chance ; une mauvaise peut cacher un travail honnête. Le modèle lit donc le comportement : combien de temps un élève a attendu avant d’ouvrir un indice, s’il a révélé la solution tout de suite, combien de fois il est revenu, à quel point il a dit comprendre. De ce flux, il tire maîtrise, qualité d’apprentissage, autonomie et un indice de difficulté, par élève et par notion.

Les mêmes données se lisent à trois altitudes. Un élève voit sa propre progression et ce qu’il faut travailler ensuite. Un enseignant voit ses classes. Un surveillant voit tout l’établissement comme une matrice de risque avec un fil d’alertes. Et les surfaces d’analyse quittent délibérément l’orange de la marque pour une palette plus sobre, façon application de santé, parce que des chiffres denses demandent du calme, pas de l’énergie.

Trois outils qui auraient pu ressembler à trois applications sont tenus ensemble par un seul langage. Un orange chaud unique porte chaque action, Geist compose chaque mot, et un fond de papier millimétré discret donne à la suite un sol studieux sans une seule illustration. Les surfaces sont des cartes vitrées flottant sur cette grille, et tout est dessiné en clair et en sombre à partir d’un seul jeu de fondations : aucun des deux thèmes n’est une arrière-pensée.

La couleur est disciplinée : l’orange ne veut jamais dire que l’action, tandis que les types de nœuds et la couche d’analyse gardent leurs propres palettes fixes, pour qu’une teinte porte toujours un sens. Et quand quelqu’un est perdu, un assistant intégré ne se contente pas de décrire où cliquer : il assombrit la page et découpe un projecteur autour du vrai bouton, sur son propre écran.

PrepaTutor AI a été livré comme trois outils d’IA derrière un seul lanceur sensible au rôle, dessinés en clair et en sombre à partir d’un même socle. Ce que j’en garde, c’est le tableau : donner une structure spatiale à une conversation d’IA a fait plus pour la compréhension que n’importe quel réglage d’invite, parce que cela change ce qu’une séance laisse derrière elle.

L’autre leçon porte sur les surfaces de confiance. Un enseignant fait confiance au studio parce que ses paramètres parlent prépa ; un élève fait confiance au tuteur parce que son contexte est visible sur le canevas ; l’administration fait confiance aux scores parce que la chaîne qui les produit s’explique. Sur un produit d’IA, l’essentiel du travail de design consiste à rendre le système inspectable.