PAIDEIA — un plugin Claude Code dédié aux révisions d’examen, créé par un étudiant en double cursus physique & mathématiques à KAIST
(github.com/TaewoooPark)PAIDEIA – un plugin Claude Code local-first qui crée une base de connaissances de révision à partir de mes supports de cours
Je suis en double cursus en physique et en sciences mathématiques à KAIST. En voyant des amis envoyer des PDF entiers à GPT pour réviser leurs examens, je me suis demandé s’il n’existait pas une méthode plus efficace. J’ai donc créé moi-même un plugin et l’ai publié en open source !
La plupart des étudiants mettent d’un coup dans un LLM leurs supports de cours, devoirs, corrigés et anciens sujets, puis demandent « explique-moi », « résume-moi ça » ou « crée-moi des questions probables ». Mais, en pratique, ce qui compte pour réviser un examen, ce n’est pas un simple résumé : c’est de suivre en continu les schémas de résolution qui reviennent dans cette matière, le style de devoir du professeur, les points sur lesquels je me trompe souvent, ainsi que les parties qui ont le plus de chances de tomber à l’examen. C’est pour cela que j’ai créé PAIDEIA.
PAIDEIA est conçu pour être local-first pour Claude Code. Il suffit de placer les PDF des supports de cours, devoirs et corrigés dans le dossier d’une matière pour générer une base de connaissances de révision dédiée à cette matière.
Fonctionnalités
- Conversion des PDF de supports de cours / devoirs / corrigés en Markdown
- Extraction des schémas de résolution récurrents à partir des corrigés
- Mise en évidence des zones les plus susceptibles d’apparaître à l’examen à partir de la couverture des devoirs
- Génération de cartes de schémas, d’une carte des points faibles et d’une antisèche d’une page
- Génération de variantes jumelles de problèmes existants
- Génération d’examens blancs
- Lecture par OCR de PDF de copies rédigées à la main et notation par comparaison avec la solution de référence
- Accumulation des schémas d’erreurs pour les réinjecter dans les exercices suivants et l’antisèche
- Enregistrement de tous les livrables au format Markdown brut
Contexte
Ce dont les étudiants ont besoin, ce n’est pas d’un « tuteur IA plus aimable », mais d’un système d’apprentissage par matière qui accumule en continu mes supports de cours et mes erreurs.
Les examens sont en général davantage liés au style d’un professeur en particulier et à la répartition des devoirs qu’à des connaissances générales. Même pour un même concept, ce qui importe, c’est la façon dont les questions sont posées, les schémas de résolution qui reviennent, et les endroits où je bloque souvent. PAIDEIA se rapproche donc davantage d’un graphe d’apprentissage éditable que d’un chatbot conversationnel. Lorsqu’on se trompe sur un problème, cette erreur reste dans la carte des points faibles et se reflète dans les exercices suivants ainsi que dans l’antisèche.
Local-First
Les résultats ne sont pas enfermés dans une application spécifique. Ils restent sous forme de fichiers Markdown dans le dossier de chaque matière, et peuvent être ouverts tels quels dans des outils comme Obsidian. Pour l’OCR, il est possible d’utiliser par défaut le flux de vision de Claude/Codex, et d’y connecter en option Qwen3-VL ou Tesseract.
Je partage ce projet avec l’envie de faire valider ses fonctionnalités par de nombreux étudiants et ingénieurs, en particulier dans les disciplines scientifiques !
11 commentaires
https://github.com/OPTIMETA/PAIDEIA-opencode
https://github.com/OPTIMETA/PAIDEIA-Hermes
Vous pouvez désormais utiliser PAIDEIA aussi dans OpenCode et Hermes !
Ce serait bien si le HTML était aussi pris en charge.
C’est une bonne idée. Comme ça, on pourrait aussi inclure les graphiques et certaines figures. Merci pour l’idée !
Ils ont donc réussi à reconnaître les schémas mentaux des profs, hein...
Haha, merci de voir ça d’un œil positif !
C’est l’auteur du post ! Comme le README est un peu long, je prévois d’ajouter une démo GIF de 30 secondes pour permettre une compréhension rapide, ainsi que le résultat de
sample-course.Avant cela, j’aimerais beaucoup recueillir les conseils de nombreuses personnes !
Si vous me donnez votre avis, je l’examinerai immédiatement ! Merci
Dans le cas n°2, le flow a l’air bon, mais j’ai hâte de voir à quel niveau se situera la sortie réelle.
Voici une mise à jour !
Comme vous l’aviez conseillé, j’ai ajouté au README une vidéo de démo montrant le flux réel de fonctionnement. Vous pouvez la consulter via le lien ! https://github.com/TaewoooPark/PAIDEIA
course materials → analyse → weakmap/cheatsheetComme j’ai notamment eu le retour suivant : « je me demande jusqu’à quel niveau vont les sorties réelles », j’ai renforcé cela pour montrer, plutôt qu’une simple explication, les interactions réelles dans le terminal et les livrables d’apprentissage générés.
Si vous continuez à me faire des retours, je les intégrerai immédiatement. Merci !
Personnellement, je l’utilise activement dans mon apprentissage ! En particulier, plus on l’utilise, plus ses faiblesses s’accumulent, donc j’ai vraiment l’impression qu’il se personnalise davantage à mesure que l’usage se prolonge.
Ce serait bien si vous preniez aussi en charge codex et gemini~ haha
Merci pour votre avis ! Codex est actuellement pris en charge dans un dépôt séparé ! (https://github.com/TaewoooPark/PAIDEIA-codex) Nous allons également étudier la possibilité de créer une CLI Gemini.