L’approche conversationnelle Praktika pour apprendre les langues

Praktika est né d’une conviction profondément personnelle : les langues sont une source d’opportunités. 

Les cofondateurs Adam Turaev, Anton Marin et Ilya Chernyakov ont tous grandi en explorant de nouveaux pays après que leurs familles aient immigré à la recherche de meilleures opportunités. L’anglais est rapidement devenu indispensable, non seulement pour l’école, mais aussi pour le travail, la mobilité et l’intégration.

« Apprendre l’anglais n’a jamais été uniquement une question de communication », a déclaré Turaev « Cela m’a ouvert les portes vers des opportunités internationales et une évolution de carrière. » 

Cependant, l’enseignement traditionnel des langues s’est révélé limité. Malgré des années d’études, les fondateurs ont constaté que, bien qu’ils fussent capables de lire et d’écrire couramment, ils avaient des difficultés à s’exprimer avec assurance lorsque cela importait le plus : au travail, lors de réunions et dans la vie quotidienne. Le fossé entre l’apprentissage en classe et la maîtrise de la langue dans la vie réelle était plus grand qu’ils ne l’avaient imaginé.

Praktika⁠⁠(ouverture 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.

Au fur et à mesure que le produit a évolué, Praktika est passé d’une architecture à modèle unique à un système multi-agents conçu pour refléter 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 feedback 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 permanente qui stocke les objectifs, les préférences et les erreurs passées des apprenants. Praktika récupère la mémoire immédiatement après que l’apprenant ait parlé, garantissant ainsi que les réponses sont fondées sur l’information la plus pertinente et la plus récente.

« Le système peut changer d’exercice si l’apprenant ne se sent pas à l’aise », explique Turaev. « Cela permet de ne pas se décourager. On se rapproche alors beaucoup plus d’un véritable tuteur humain. »

Pour que l’apprentissage conversationnel soit naturel, la mémoire doit fonctionner comme dans la vie réelle. La couche de mémoire de Praktika récupère le contexte pertinent uniquement 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 commet une erreur à l’instant présent, le tuteur réagit à cette erreur, et non à celle d’hier », explique Adam Turaev, co-fondateur et PDG. « Cette différence de timing est subtile, mais c’est ce qui rend l’interaction attentive plutôt que robotique. »

La reconnaissance vocale joue un rôle similaire. Les étudiants en langues hésitent, recommencent leurs phrases et prononcent les mots de manière imparfaite. Praktika utilise l'API Transcription pour analyser les discours fragmentés, accentués et non natifs de manière plus fiable que les systèmes traditionnels entraînés sur des discours naturels. Cela permet aux apprenants de se concentrer sur la communication sans être pénalisés par leur statut de débutants.

La mémoire temporelle et la reconnaissance vocale forment ensemble une boucle unique : écouter attentivement, se rappeler le contexte approprié et répondre 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 du langage à des avatars expressifs et réalistes », explique Adam Turaev. “Les conversations ont cessé de paraître scénarisées. Elles sont devenues naturelles, émotionnelles et réelles. » 

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’onboarding, la rétention au premier jour, la conversion de l’essai vers un abonnement payant, ainsi que le feedback qualitatif 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 ont eu un impact direct sur les résultats des utilisateurs et de l'entreprise. Après avoir mis en place son nouveau système de mémoire à long terme, Praktika a constaté une hausse de 24 % du taux de rétention au premier jour et a doublé son chiffre d'affaires en seulement quelques mois.

Plus récemment, Praktika a commencé à utiliser GPT‑5.2 pour faire fonctionner son architecture. GPT‑5.2 alimente 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 soutient des millions d'apprenants dans neuf langues, avec d'autres à venir. Grâce à sa base agentique, Praktika se concentre désormais sur l'élargissement des capacités de compréhension, de mémorisation et de création d'un tuteur IA aux côtés de chaque apprenant.

« Nous ne nous contentons pas d'enseigner les langues », déclare Turaev « Nous développons une IA qui aide les gens à se sentir en confiance pour l'utiliser dans le monde réel. »