Approche conversationnelle d'apprentissage de langues de Praktika

Praktika est née d'une prise de conscience profondément personnelle : la langue ouvre des opportunités. 

Les cofondateurs Adam Turaev, Anton Marin et Ilya Chernyakov ont tous grandi en naviguant dans de nouveaux pays après que leurs familles ont immigré à la recherche de meilleures opportunités. L'anglais est rapidement devenu essentiel, non seulement pour l'école, mais aussi pour le travail, la mobilité et le sentiment d'appartenance.

« Apprendre l’anglais n’a jamais été uniquement une question de communication », a déclaré Turaev. « Cela vous a ouvert des portes vers le travail à l’international et l’évolution de carrière. » 

Mais l’enseignement traditionnel des langues a échoué. Malgré des années d’études, les fondateurs ont constaté que, même s’ils pouvaient lire et écrire couramment, ils avaient du mal à parler avec assurance lorsque cela était le plus important : au travail, en réunion et dans la vie quotidienne. L’écart entre l’apprentissage en classe et l’aisance dans le monde réel était plus grand qu’ils ne l’avaient imaginé.

Praktika⁠⁠(s'ouvre dans une nouvelle fenêtre) a été conçu pour combler ce fossé. C’est une application d’apprentissage des langues conçue pour aider les utilisateurs à développer une aisance réelle à travers des conversations quotidiennes, avec des tuteurs IA personnalisés qui les accompagnent dans des leçons interactives basées sur des objectifs. Les utilisateurs incluent des étudiants qui se préparent à des examens, des professionnels qui développent leurs compétences linguistiques liées à leur travail et des immigrants qui bâtissent une nouvelle vie dans un pays étranger.

À mesure que le produit évoluait, Praktika est passé d'une architecture à modèle unique à un système multi-agents conçu pour reproduire la manière dont les tuteurs réels adaptent leurs cours en temps réel. 

Lesson Agent est l’agent de conversation principal, interagissant avec les apprenants en tant que tuteur. Utilisant GPT‑5.2, il combine la personnalité du tuteur, le contexte de la leçon, les objectifs de l’apprenant et les conversations récentes pour proposer des leçons naturelles et spontanées. C’est à ce moment-là que le système commence à donner l’impression d’être un véritable tuteur plutôt qu’une expérience scénarisée.

Fonctionnant en continu en arrière-plan, le Student Progress Agent suit les performances de l’apprenant en langue au fil des interactions. À l’aide de GPT‑5.2, cet agent surveille la fluidité, la précision, l’utilisation du vocabulaire et les erreurs récurrentes. Ces données forment une boucle de rétroaction continue qui informe à la fois le comportement de l’agent de cours pendant la session et la stratégie d’apprentissage à long terme, permettant à l’apprentissage d’évoluer naturellement au fil du temps.

Le Learning Planning Agent se concentre sur la définition d’un parcours d’apprentissage à long terme pour l’apprenant. En se basant sur les objectifs d’apprentissage individuels de l’apprenant, il utilise les informations fournies par le Student Progress Agent pour déterminer les prochaines étapes, l’ordre dans lequel les compétences doivent être acquises et les activités qui seront les plus efficaces. Optimisé par GPT‑5 Pro, son rôle est d’adapter en permanence le plan d’apprentissage afin que les progrès restent personnalisés, efficaces et alignés sur les résultats souhaités par l’apprenant.

Tous les agents partagent l'accès à une couche de mémoire persistante qui enregistre les objectifs, les préférences et les erreurs passées des apprenants. Plutôt que de précharger le contexte, Praktika récupère la mémoire immédiatement après que l’apprenant a parlé, garantissant ainsi que les réponses s’appuient sur le signal le plus pertinent et le plus à jour.

« Le système peut passer à un exercice complètement différent si l'apprenant se sent démotivé », explique Adam Turaev. « Cela permet de retrouver la magie. On se rapproche alors beaucoup plus d'un véritable tuteur humain. »

Pour que l’apprentissage conversationnel semble naturel, la mémoire doit fonctionner comme dans la vie réelle. La couche de mémoire de Praktika récupère le contexte pertinent seulement après que l’apprenant a fini de parler. Cela permet au tuteur de répondre à ce qui vient d’être dit, et non à ce qu'il avait anticipé.

« Si un apprenant fait une erreur à un moment donné, le tuteur réagit à cette erreur, et non à celle d'hier », explique Adam Turaev, cofondateur et PDG. « Cette différence dans le timing est subtile, mais c'est ce qui rend l'interaction attentive plutôt que robotique. »

La reconnaissance vocale joue un rôle similaire. Les apprenants de langues hésitent, reprennent leurs phrases et prononcent les mots de manière imparfaite. Praktika utilise l'API de transcription pour gérer la parole fragmentée, accentuée et non native de manière plus fiable que les systèmes traditionnels entraînés sur une parole fluide. Cela permet aux apprenants de se concentrer sur la communication sans être pénalisés pour leur statut de débutant.

Ensemble, le timing de la mémoire et la reconnaissance vocale forment une seule boucle : écouter attentivement, rappeler le bon contexte et réagir immédiatement.

Les premières versions du produit de Praktika associaient des avatars expressifs à un traitement du langage naturel basé sur des règles et aux premiers modèles davinci, mais les conversations restaient limitées. Avec la sortie de GPT‑3.5, l’équipe a connu sa première percée majeure.

« Pour la première fois, nous avons pu associer une compréhension avancée des langues à des avatars expressifs et réalistes », explique Adam Turaev. « Les conversations ont cessé de sembler scriptées. Elles sont devenues naturelles, émotionnelles et authentiques. » 

Lorsque Praktika a évalué les nouveaux modèles, GPT‑4.1 s’est révélé être le plus performant dans ses évaluations internes mesurant le taux de complétion de l’intégration, la rétention au premier jour, la conversion de l’essai vers un abonnement payant, ainsi que la rétroaction qualitative des utilisateurs.

« GPT‑4.1 nous a offert le meilleur équilibre entre profondeur du raisonnement, nuances émotionnelles et fiabilité », explique Turaev. « Il a pris en charge les conversations multilingues et la logique de tutorat complexe avec la qualité dont nous avions besoin, améliorant ainsi considérablement la qualité des sessions de conversation. »

Ces améliorations se sont traduites directement en résultats pour les utilisateurs et les entreprises. Après avoir introduit son nouveau système de mémoire à long terme, Praktika a constaté une hausse de 24 % de la rétention du premier jour et a doublé ses revenus en seulement quelques mois.

Plus récemment, Praktika a commencé à utiliser GPT‑5.2 pour faire fonctionner son architecture. GPT‑5.2 propulse désormais l’agent de conversation principal, tandis que GPT‑5.2 Pro gère le raisonnement de haut niveau et GPT‑5 mini assure le suivi continu des progrès. Ensemble, ces modèles permettent au système de raisonner en parallèle, en équilibrant la qualité de la conversation, la pédagogie et l’efficacité à grande échelle.

Aujourd'hui, Praktika prend en charge des millions d'apprenants dans neuf langues, et bien d'autres sont à venir. Avec sa fondation agentique en place, Praktika se concentre maintenant sur l’expansion de ce qu’un tuteur IA peut comprendre, mémoriser et créer aux côtés de chaque apprenant.

« Nous n’enseignons pas seulement des langues », déclare Adam Turaev. « Nous développons une IA qui aide les gens à se sentir à l'aise pour les utiliser dans la vie réelle. »