Un étudiant crée en 8 mois une appli d’IA pour réviser les examens
Il y a huit mois, un étudiant en informatique était confronté à un dilemme bien connu : les examens exigeaient une mémorisation par cœur plutôt qu’une véritable compréhension. Au lieu de tout apprendre en dernière minute, il a imaginé une appli propulsée par l’IA pour analyser les sujets passés, les grilles de correction et les rapports d’examinateurs—transformant la reconnaissance de motifs en un outil d’étude. Le résultat, ExamIntelligence.app, a été lancé ce mois-ci comme un outil qui automatise ce que les examens échouent souvent à enseigner : comment apprendre.
Un problème ancré dans la culture des examens
La frustration ne venait pas de la charge de travail, mais du système lui-même. Les examens standardisés récompensent la reconnaissance de motifs au détriment de la curiosité, réduisant des matières complexes à des chemins étroits. Le développeur se souvient avoir détesté la chimie organique jusqu’à ce que des modèles d’apprentissage automatique—associés à des jeux de données comme MoleculeNet—fassent enfin sens de la matière. L’idée ? Si l’IA excelle pour repérer des motifs, pourquoi ne pas lui confier les questions de type examen pendant que les étudiants se concentrent sur un engagement plus profond ?
D’un prototype fragile à une plateforme stable
La première version était une preuve de concept bâclée, conçue en une semaine avec l’aide de l’IA de Claude et une stack composée de Streamlit, PostgreSQL et l’API Gemini. Ça fonctionnait—à peine. Le code généré par l’IA produisait un tableau de bord avec des statistiques aléatoires, des tables de base de données mal formatées et des résultats incohérents. Après les premiers examens partiels, le développeur a tout jeté et recommencé de zéro avec Django et LangGraph, en privilégiant la maintenabilité plutôt que la rapidité. La leçon ? Un codage par IA non supervisé peut valider des idées rapidement, mais il devient un fardeau en production.
Des outils ciblés, sans dépense
La version finale repose sur une assistance IA ciblée plutôt que sur une automatisation totale. Le développeur rédige l’architecture principale dans Neovim, puis utilise des agents (Claude, OpenCode, Pi) pour des modifications précises—comme transformer une page de connexion en un formulaire d’inscription. En évitant de sauter d’un abonnement gratuit à l’autre et en se concentrant sur des modifications intentionnelles, il a maintenu les coûts à zéro tout en garantissant la qualité du code. Le vrai travail, précise-t-il, s’est déroulé sur ces huit mois d’expérimentations : affiner des systèmes hybrides combinant apprentissage automatique et modèles de langage, et renforcer les contrôles qualité. Les agents n’ont fait que préserver la base pour itérer.
Source : DEV Community. Synthèse éditoriale assistée par IA — TechnoExpress.