Technologies éducatives / aéronautique
Une plateforme d’apprentissage propulsée par l’IA pour la formation aéronautique
Nous avons suspendu les travaux de BI pour lesquels nous étions payés afin de migrer la plateforme d’abord — puis bâti l’entrepôt d’indicateurs et livré Eddy, un assistant agentique déployé comme XBlock Open edX de plein droit.
Client
Un fournisseur spécialisé de logiciels de formation aéronautique
5–6×
hausse de la valorisation de l’entreprise

Le défi
Ce qui bloquait
Un chef de file du logiciel de simulation de vol faisait tourner sa plateforme d’apprentissage sur WordPress. Elle ne pouvait pas recueillir de données d’apprentissage fines, ne pouvait pas analyser la performance des étudiants, et ne pouvait pas croître.
Le client nous a demandé de bâtir un système de BI par-dessus.
La solution
Ce que nous avons bâti
Nous leur avons dit de ne pas le faire. Bâtir de l’analytique sur une plateforme incapable d’émettre les données, c’était dépenser deux fois : nous avons donc suspendu les travaux de BI en cours de route et mené d’abord une migration vers Open edX — une décision qui nous a coûté des semaines facturables et a épargné une reconstruction au client.
Sur cette fondation, nous avons bâti tout l’écosystème : Open edX sur Azure Kubernetes Service avec un pipeline de livraison à environnements séparés, une couche d’ingestion xAPI alimentant un entrepôt d’indicateurs ClickHouse doté d’inférence de types automatique et d’une traçabilité par journal d’ingestion, générant sept paliers d’indicateurs d’apprentissage, et Superset par-dessus pour les formateurs.
Puis nous avons transformé l’IA en produit. Eddy est un assistant agentique livré comme XBlock Open edX de plein droit et greffon Tutor — déployable en une commande, pas un gadget boulonné. Il planifie en chaîne de pensée, génère du SQL et interroge l’entrepôt par une boîte à outils MCP, de sorte que les formateurs posent leurs questions en langage courant et obtiennent des réponses tirées de données d’apprentissage vivantes. Il fonctionne sur OpenAI ou sur Ollama local, pour que les établissements dont les données ne peuvent pas sortir du domaine puissent tout de même l’utiliser.
Nous avons aussi bâti la couche de livraison des missions : un XBlock sur mesure avec jetons de mission signés JWT et stockage objet sur deux nuages.
L’assistant en est à sa deuxième génération, et si nous avons pu remplacer la première sans risque, c’est que son comportement n’a jamais été affaire d’opinion : chaque exécution est tracée et journalisée, si bien qu’un changement de qualité des réponses se manifeste comme une preuve plutôt que comme une plainte.
Technologies clés
- Plateforme
- Open edX, Tutor, Azure Kubernetes Service, Azure Container Registry
- Données
- Python, ClickHouse, PostgreSQL, dbt, Celery, Superset
- IA
- Boîte à outils MCP texte-vers-SQL, OpenAI et Ollama local
- Observabilité
- Traçage LangSmith, journaux d’exécution structurés, contrats de modèle épinglés
- Contenu
- xAPI/Tin-Can, JWT, CLA/JWKS, S3/MinIO + Azure Blob
Retombées et résultats
Valorisation de l’entreprise multipliée par 5 à 6
De l’aveu même du client — repositionnée de fournisseur de services à plateforme de technologies éducatives évolutive.
Un assistant IA en production avec un véritable accès aux données
Pas un robot conversationnel branché sur une foire aux questions.
Une analytique d’apprentissage qui n’existait pas auparavant
Sept paliers d’indicateurs à partir de données d’événements que l’ancienne plateforme ne pouvait pas émettre.
Infonuagique native et autoadaptative
Déployée par un pipeline de livraison encadré.
Commencez ici
Commencez par un problème, pas par un cahier des charges.
Dites-nous ce qui est lent, ce qui est manuel, ce qui est bloqué, ou ce que plus personne ne comprend. Nous vous dirons honnêtement si cela vaut la peine d’être bâti.



