X5 Tech a expliqué comment elle a développé en 7 jours un service d’AI pour la préparation aux examens internationaux

L'équipe d'ExamLab Bot à l'intensif AI Talent Camp a assemblé un service d'IA fonctionnel en une semaine pour les professeurs d'examens internationaux. Le système transforme les programmes d'études et les délais en une trajectoire d'apprentissage personnalisée et réduit le temps de préparation du plan de 3–4 heures à environ deux minutes.

Quel Était le Problème

L'idée est née d'une douleur très spécifique des professeurs d'IB et A-Level. Pour prendre un nouvel étudiant, ils doivent faire plus que simplement lire le programme—ils doivent le transformer en un plan détaillé couvrant 20–30 semaines, en tenant compte de la date de l'examen, de l'horaire, des sujets déjà couverts et du niveau actuel. Si un cours est reporté ou un étudiant prend du retard, le plan doit être recalculé à partir de zéro.

Environ quatre heures de travail administratif routinier sont consacrées à chaque étudiant, et c'est ce travail, non l'enseignement lui-même, qui limite la croissance. En conséquence, de nombreux professeurs ne créent pas de trajectoires personnalisées complètes : certains enseignent par intuition, certains utilisent un modèle unique pour tous, certains refusent simplement les nouveaux étudiants. Pour un segment où les cours particuliers avec un expert d'élite coûtent 30 000–40 000 roubles par mois, cela représente une perte directe de revenus.

L'équipe d'ExamLab Bot a décidé d'automatiser précisément la couche organisationnelle répétitive : construction de plans, gestion des contraintes, mises à jour de progression et suivi des objectifs.

Comment Ils Ont Construit le MVP

En sept jours, l'équipe a intentionnellement réduit la portée à deux fonctions clés : construire une trajectoire personnalisée pour l'objectif, le délai et le niveau de l'étudiant, puis l'ajuster au fur et à mesure que l'étudiant progresse et que le professeur fournit des commentaires. Ils ont choisi un bot Telegram comme interface pour éviter de consacrer du temps au lourd développement du frontend web. Google Sheets est devenu la représentation fonctionnelle du plan, et la planification a été synchronisée via Google Calendar. En conséquence, au lieu de 3–4 heures de préparation manuelle, la génération du plan prend environ deux minutes.

• professeur ou administrateur définit l'objectif, le délai, le niveau, le temps disponible et les priorités
• le bot génère un plan d'apprentissage détaillé pour toute la période
• le plan est enregistré dans Google Sheets et les événements sont ajoutés à Google Calendar
• au fur et à mesure que la progression change, l'IA recalcule la trajectoire sans reconstruction à partir de zéro

Techniquement, le service a été construit autour d'un schéma multi-agent. Un orchestrateur Python coordonne les agents ayant des rôles différents : l'un gère la stratégie et l'allocation du temps, un autre gère les détails des cours, les devoirs et les tests, un troisième gère le traitement par lot des longs programmes, et une couche séparée valide la structure, les dates et la complétude de la couverture. La pile a utilisé Python 3.11+, asyncio, aiogram, SQLAlchemy, PostgreSQL et l'API OpenRouter. Ils ont abandonné LangChain et LangGraph au profit des appels directs à l'API : cela rend plus simple de contrôler les prompts, la logique de nouvelle tentative et la vitesse de développement.

"Un produit minimum viable avec un pipeline propre est plus précieux

que de tenter d'embrasser l'inembrassable."

Pourquoi Ils Ont Terminé en Une Semaine

L'intensif lui-même était structuré comme un court cycle de produit, et non comme un hackathon typique avec des démos pour le bien des démos. Jour après jour, l'équipe a parcouru le chemin de la découverte et de la formulation du problème à travers l'évaluation des risques et la preuve de concept jusqu'au MVP, aux commentaires des utilisateurs et à la présentation finale. Les mentors rappelaient constamment que l'objectif n'était pas une démonstration élégante sur scène, mais une base pour un vrai produit d'IA qui pourrait être développé davantage. Cela a forcé des décisions architecturales rapides, l'élimination des fonctionnalités inutiles et un accent sur les scénarios fonctionnels plutôt que sur les idées époustouflantes.

Les auteurs du projet soulignent particulièrement que la vitesse ne provient pas de la magie des outils d'IA en soi. L'interface, les scénarios d'interaction avec les professeurs, et même le choix du segment d'utilisateurs initial ont changé plusieurs fois au cours de la semaine. Parier sur une version minimum fonctionnelle et des tests rapides sur des scénarios réels s'est avéré plus utile que de tenter de concevoir d'avance le système parfait. L'étape suivante est les tests bêta fermés avec 10–15 professeurs, suivis de l'expansion de l'offre d'examens et de l'ajout de la préparation à l'examen de fin d'études secondaires russe (ЕГЭ).

Ce Que Cela Signifie

Le cas ExamLab Bot montre qu'en EdTech en ce moment, les produits d'IA étroits avec une métrique claire de valeur fonctionnent mieux. Ici, cette métrique était le temps : les heures de préparation manuelle se sont transformées en minutes, et les professeurs ont eu la chance de faire passer à l'échelle leur pratique sans augmentation de la charge administrative. C'est une leçon importante pour les autres équipes aussi : les interfaces simples, les intégrations directes et la validation fréquente par les utilisateurs offrent souvent plus qu'une pile technologique complexe et une longue liste de fonctionnalités.