Qu’est-ce que DeepTutor ?
DeepTutor vient du Data Intelligence Lab de l'université de Hong Kong (HKUDS), le groupe à l'origine de LightRAG et de nanobot, et il est décrit dans une prépublication arXiv d'avril 2026. C'est un espace d'apprentissage plutôt qu'un simple chatbot : Chat, Quiz, Research, Solve, Visualize, Mastery Path, Immersive Reading et Video Lesson partagent une même boucle d'agent, le contexte de session et une mémoire à trois couches de ce que l'apprenant a fait, stockée dans des fichiers lisibles.
C'est un backend Python (FastAPI) avec un frontend Next.js, installé depuis PyPI sous le nom deeptutor[full], depuis les sources ou sous forme d'une seule image Docker. Les bases de connaissances peuvent utiliser dix moteurs de recherche documentaire, de LlamaIndex et PageIndex à GraphRAG, LightRAG, des archives Kiwix et un coffre Obsidian lié. Des Partners persistants emmènent le tuteur sur 13 plateformes de messagerie, de Telegram et Slack à WeCom et Microsoft Teams, et la CLI diffuse du JSON en continu pour que d'autres agents la pilotent.
Le dépôt a été créé en décembre 2025, il est sous licence Apache-2.0, compte environ 52 700 étoiles sur GitHub et en est à la v1.7.1 (31 octobre 2026). Le README indique que l'équipe n'a aucun produit en ligne payant.
DeepTutor vaut-il le coup ?
DeepTutor est le système de tutorat auto-hébergé le plus complet que nous ayons étudié, et son point faible est le rythme qui l'a construit. Entre le 1er septembre et le 31 octobre 2026, il a publié 15 versions, de la v1.6.3 à la v1.7.1, après une réécriture d'environ 200 000 lignes en avril. Le résultat est un espace de travail qui fonde ses réponses sur vos propres documents, en tire des quiz et des livres structurés, planifie la révision espacée des questions ratées et exporte des cartes mémoire vers Anki.
Deux choix de conception le distinguent. La mémoire se compose de trois couches de fichiers en clair, traces brutes d'événements, faits sélectionnés et profil transversal aux matières, qu'un administrateur ou un apprenant peut ouvrir, modifier et auditer dans un graphe, au lieu d'une base vectorielle opaque. Et la recherche documentaire se choisit par bibliothèque parmi dix moteurs, avec une commande deeptutor kb eval qui les note sur votre propre jeu de questions en Recall@k, nDCG et MRR sans qu'aucun modèle ne serve de juge. Peu de concurrents vous permettent de mesurer quelle recherche fonctionne sur vos contenus.
Les réglages par défaut conviennent à une personne sur un ordinateur portable. L'authentification est désactivée tant qu'elle n'est pas activée dans auth.json, et la documentation précise que, sans authentification, le backend accepte les origines de navigateur ordinaires. La commande Docker lie le port 3782 à 127.0.0.1, ce qui est sûr en local; le publier plus largement sans authentification expose toutes les fonctions, les clés d'API enregistrées et les outils d'exécution de code. Le filtrage des requêtes (limitation de débit, listes d'IP) est un module optionnel, lui aussi désactivé par défaut. Tout ce que vous demandez, ainsi que les passages extraits de vos documents, part chez les fournisseurs de modèles, d'embeddings, de recherche et de voix que vous configurez. Nous n'avons trouvé aucune télémétrie produit dans le dépôt, et aucun avis de sécurité n'est publié sur GitHub.
Le prix, c'est l'entretien. La v1.6.3 était une refonte incompatible du frontend et du backend, la v1.7.0 a découpé le paquet en modules et impose de désinstaller l'ancien paquet deeptutor-cli pour mettre à jour, et les installeurs de bureau sont des préversions non signées qui expirent au bout de sept jours. Avec 137 tickets ouverts et 95 pull requests ouvertes, un établissement qui l'adopte a besoin d'un responsable qui suive les versions. Face à OpenMAIC, qui transforme un sujet en leçon par étapes avec des enseignants IA, DeepTutor est le meilleur compagnon d'étude sur la durée et le système le plus lourd à faire tourner.
Là où il fait la différence
Une doctorante qui prépare ses examens de qualification à partir de 40 articles et deux manuels
Étudier ma propre liste de lectures avec un tuteur qui retient mes points faibles
Indexer les PDF dans une base de connaissances, poser des questions avec des citations liées à la page dans Immersive Reading, classer les questions de quiz ratées dans la Question Bank pour une révision espacée et exporter des cartes mémoire vers Anki. Le logiciel est gratuit; le coût correspond aux tokens de modèle et d'embedding par question et par document indexé.
Un coordinateur informatique de lycée qui teste le tutorat par IA avec 30 élèves
Donner aux élèves un tuteur sur des modèles approuvés sans distribuer de clés d'API
Faire tourner l'image Docker derrière un reverse proxy, activer l'authentification dans auth.json, enregistrer d'abord l'administrateur, puis créer des comptes Learner aux fonctions verrouillées et leur attribuer des modèles et des bases de connaissances précis; les responsables légaux peuvent consulter des rapports. Activer le filtre de requêtes optionnel et prévoir du temps pour tester chaque version avant la mise à jour.
Un ingénieur ML qui construit un pipeline RAG pour des supports de cours
Déterminer quel moteur de recherche documentaire fonctionne vraiment sur nos documents
Écrire un fichier JSONL de requêtes et de passages de référence, construire le même corpus dans des bibliothèques LlamaIndex, LightRAG et GraphRAG, puis les comparer avec deeptutor kb eval et kb eval-diff. Les métriques sont calculées à partir des classements, donc la notation elle-même ne coûte aucun appel de modèle au-delà de la recherche.
Avant de vous engager
- Mise en route
- pip install "deeptutor[full]" sous Python 3.11 à 3.14 avec Node.js 20.9+, puis deeptutor init et deeptutor start pour atteindre 127.0.0.1:3782; ou un seul docker run avec un volume nommé. Le paquet deeptutor seul installe uniquement le chat de base, la CLI et le SDK.
- Intégrations
- OpenAI, Anthropic, Gemini, xAI, Mistral, NVIDIA NIM, DashScope, Ollama, LM Studio, llama.cpp et vLLM en local, plus la connexion via Codex et GitHub Copilot; LlamaIndex, PageIndex, GraphRAG, LightRAG, Obsidian, Zotero et Kiwix; services MCP et skills EduHub et ClawHub; Claude Code et Codex comme sous-agents consultables; 13 plateformes de messagerie pour les Partners.
- Données et confidentialité
- Réglages, clés d'API, conversations, mémoire et bases de connaissances résident dans le répertoire local data/ ou dans le volume Docker. Les prompts et le texte extrait des documents partent chez les fournisseurs configurés. L'authentification et le filtre de requêtes sont désactivés par défaut; les skills importées passent un contrôle de sécurité sauf avec --allow-unverified. Aucune télémétrie décrite et aucun avis de sécurité publié.
- Coût à grande échelle
- Aucune édition payante ni service hébergé de la part des mainteneurs. La dépense correspond à l'usage des modèles, des embeddings, de la recherche et de la voix par apprenant, plus un serveur; la configuration matérielle requise n'est pas publiée, et les modèles locaux d'analyse de documents ou d'embedding demandent davantage de ressources.
- Limites
- 137 tickets ouverts et 95 pull requests ouvertes; refontes incompatibles dans la v1.6.3 et la v1.7.0; l'intégration PocketBase est mono-utilisateur; le filtre de requêtes n'examine ni le trafic WebSocket ni le corps des requêtes; Codex OAuth est expérimental.
Les points forts
- Tuteur, quiz, livres, lecture et révision espacée dans un seul espace de travail
- Mémoire stockée dans des fichiers lisibles et modifiables
- Dix moteurs de recherche documentaire, avec un outil d'évaluation intégré
- Apache-2.0, avec une CLI qui diffuse du JSON pour d'autres agents
Les points faibles
- Authentification désactivée par défaut
- 15 versions en deux mois, avec des mises à jour incompatibles
- Surface très étendue : beaucoup de modules, de fournisseurs et d'options à configurer
- L'application de bureau est une préversion non signée
Idéal pour
Autodidactes, groupes de recherche et établissements scolaires qui veulent un tuteur auto-hébergé fondé sur leurs propres supports et disposent de quelqu'un pour tenir à jour une application Python et Node qui évolue vite.
Alternatives à DeepTutor
DeepTutor : questions fréquentes
- DeepTutor vaut-il le coup ?
- DeepTutor est le tuteur open source le plus complet que vous puissiez héberger vous-même, et il évolue si vite que la personne qui l'exploite devrait lire chaque note de version. Nous lui donnons 4.0 sur 5.
- Combien coûte DeepTutor ?
- Gratuit et open source (Apache-2.0). Uniquement auto-hébergé{N}; vous payez vos fournisseurs de modèles, d'embeddings, de recherche et de voix, ou vous vous connectez avec un abonnement ChatGPT via le Codex OAuth expérimental.
- Quels sont les inconvénients de DeepTutor ?
- Authentification désactivée par défaut; 15 versions en deux mois, avec des mises à jour incompatibles; surface très étendue : beaucoup de modules, de fournisseurs et d'options à configurer; l'application de bureau est une préversion non signée.
- À qui s’adresse DeepTutor ?
- Autodidactes, groupes de recherche et établissements scolaires qui veulent un tuteur auto-hébergé fondé sur leurs propres supports et disposent de quelqu'un pour tenir à jour une application Python et Node qui évolue vite.
- Combien coûte DeepTutor pour une équipe ou en production ?
- Aucune édition payante ni service hébergé de la part des mainteneurs. La dépense correspond à l'usage des modèles, des embeddings, de la recherche et de la voix par apprenant, plus un serveur; la configuration matérielle requise n'est pas publiée, et les modèles locaux d'analyse de documents ou d'embedding demandent davantage de ressources.
- DeepTutor est-il sûr pour les données de l’entreprise ?
- Réglages, clés d'API, conversations, mémoire et bases de connaissances résident dans le répertoire local data/ ou dans le volume Docker. Les prompts et le texte extrait des documents partent chez les fournisseurs configurés. L'authentification et le filtre de requêtes sont désactivés par défaut; les skills importées passent un contrôle de sécurité sauf avec --allow-unverified. Aucune télémétrie décrite et aucun avis de sécurité publié.
- Quelles sont les meilleures alternatives à DeepTutor ?
- Les alternatives les plus proches que nous avons testées sont OpenMAIC, Khoj et Open Notebook.
Réponses vérifiées le 31 oct. 2026.