Squirrel AI
apprentissage adaptatif un-a-un piloté par la decomposition fine des connaissances
Squirrel AI, systeme d'apprentissage adaptatif un-a-un deploye en Chine, a accompagne plus de 24 millions d'eleves et etabli en septembre 2024 un record Guinness de 112 718 participants a une lecon de maths en ligne, avec une maitrise passant de 41,6% a 85,1% en apprentissage synchronise.
L'essentiel
- Apprentissage adaptatif un-a-un via decomposition fine des points de connaissance.
- Systeme proprietaire avec graphe de connaissances et knowledge tracing.
- Plus de 24 millions d'eleves, record Guinness de 112 718 participants, maitrise de 41,6% a 85,1%.
- Preuve B, statut confirme (Time Best Inventions 2025, record homologue 2024).
Objectif
Donner a chaque eleve un plan et un tutorat un-a-un genere par le systeme, avec une efficacite superieure a l'enseignement de masse, pour porter un reseau de centres et de tablettes a l'echelle de dizaines de millions d'eleves en Chine.
Le déploiement
Squirrel AI decompose chaque matiere en milliers de points de connaissance fins, puis diagnostique ce que l'eleve maitrise et construit un parcours individualise. Le systeme delivre exercices, explications et remediation en un-a-un, adaptes en continu aux reponses. Il est distribue via des centres physiques et des tablettes en Chine. En septembre 2024, Squirrel AI a organise une lecon de mathematiques en ligne synchronisant plus de 112 000 eleves, homologuee par le Guinness World Records.
Résultats Preuve B
Chiffres d'echelle homologues par le Guinness World Records (evenement de sept. 2024) et repris par Time (Best Inventions 2025) et le Forum economique mondial ; gains d'apprentissage documentes par une etude academique. Sources concordantes, majoritairement officielles ou tierces, d'ou niveau B.
Comment ça fonctionne
Approche-type inféréeLe détail interne n'est pas public. Voici une approche éprouvée qui mène au même résultat - à adapter à votre stack.
La stack en détail
- plateforme Systeme adaptatif proprietaire Squirrel AI moteur qui diagnostique la maitrise de l'eleve et genere le parcours un-a-un, exercice par exercice
- outil Graphe de connaissances par matiere decomposition de chaque matiere en milliers de points de connaissance fins, construite par l'equipe pedagogique
- outil Modele de maitrise (knowledge tracing) estimation en continu de ce que l'eleve maitrise, calibree sur les comportements d'apprentissage de plus de 24 millions d'eleves
- infra Tablettes et centres physiques reseau de distribution : centres dans plus de 100 villes chinoises et tablettes d'apprentissage dediees
Comment ça tourne, concrètement
Pour les équipes ops-
1Diagnostic IA
Le systeme evalue ce que l'eleve maitrise sur des points de connaissance fins.
-
2Plan individualise IA
Un parcours d'exercices et d'explications est genere pour combler les lacunes detectees.
-
3Remediation adaptative IA
A chaque reponse, le systeme reajuste la difficulte et le prochain contenu.
-
4Accompagnement humain equipe data
Dans les centres, des encadrants soutiennent la motivation et gerent les cas hors modele.
L'etat de maitrise estime de chaque point de connaissance. Si le diagnostic est faux, le parcours propose des exercices mal calibres et l'efficacite promise s'effondre.
Comment vos clients perçoivent ce type d'usage
Études sourcéesLe paradoxe est documente des deux cotes : 71% des consommateurs attendent des interactions personnalisees et 76% sont frustres quand elles manquent (McKinsey, 2021), mais 75% declarent ne pas acheter aupres d'organisations auxquelles ils ne confient pas leurs donnees (Cisco, 2024). La « creepy line » est localisee : messages recus quelques secondes apres une recherche et suivi de localisation sont les pratiques qui mettent le plus mal a l'aise (Periscope by McKinsey, 2019).
Conditions d'acceptation
- La confiance dans le traitement des donnees precede l'achat : 75% ne achetent pas sans elle (Cisco 2024)
- Un cadre legal protecteur rassure : 59% des consommateurs disent que des lois fortes sur la vie privee les rendent plus a l'aise pour partager des informations dans des applications IA (Cisco 2024)
- La personnalisation elle-meme est attendue quand elle est consentie : environ la moitie des consommateurs (US 55%, UK 52%) disent s'inscrire souvent ou parfois a des services personnalises (Periscope by McKinsey 2019)
Lignes rouges
- Le message declenche quelques secondes apres une recherche ou un achat : deuxieme ou troisieme cause de malaise selon les pays (Periscope by McKinsey 2019)
- Le suivi de localisation percu comme de la surveillance : 40% de malaise en Allemagne et au Royaume-Uni (Periscope by McKinsey 2019)
- Le mesusage des donnees personnelles par l'IA, devenu la premiere inquietude des consommateurs, a 53% et en hausse (Qualtrics 2025)
Sources : McKinsey & Company 2021 · Periscope by McKinsey 2019 · Cisco 2024 · Qualtrics 2025
Voir l'acceptation complète : par pays, par usage, par génération
Comment répliquer
Inférence - non sourcéPrérequis data
- decomposition fine du programme en points de connaissance
- historique de reponses eleve pour estimer la maitrise
- volume de donnees suffisant pour calibrer le modele adaptatif
Prérequis orga
- equipe pedagogique pour construire le graphe de connaissances
- equipe data science pour le knowledge tracing
- reseau de distribution (centres, tablettes ou app) et conformite donnees mineurs
Stack possible
- moteur d'apprentissage adaptatif (proprietaire ou plateforme)
- graphe de connaissances par matiere
- modele de maitrise / knowledge tracing
Le plan, étape par étape
- Étape 1Faire construire par l'equipe pedagogique le graphe de points de connaissance fins sur une matiere piloteLivrable : Graphe de connaissances valide par des enseignants
- Étape 2Produire la banque d'exercices taggee sur le graphe et tracer chaque reponse eleveLivrable : Plateforme d'exercices instrumentee, premieres donnees de reponse
- Étape 3Entrainer le modele de maitrise (knowledge tracing) sur les reponses accumuleesLivrable : Diagnostic de maitrise evalue contre des tests de reference
- Étape 4Boucler l'adaptatif : generer le parcours individualise (prochain exercice, remediation) a partir du diagnosticLivrable : Moteur adaptatif en pilote sur un groupe d'eleves
- Étape 5Ajouter l'accompagnement humain (motivation, cas hors modele) et la conformite donnees mineurs, puis etendre aux autres matieresLivrable : Dispositif complet mesure sur la progression avant/apres
Première étape : Decomposer une matiere en points de connaissance fins et instrumenter les reponses, avant de brancher le moteur adaptatif.
Le même pattern, prouvé dans d'autres industries
Taobao
Recommandation produit temps reel par deep learning, servie sur des centaines de scenarios de l'application
Amazon
Moteur de recommandation produit par filtrage collaboratif item-to-item, servi sur tous les points de contact
ASOS
Recommandation produit par deep learning a l'echelle du catalogue, plus assistant de style conversationnel
Sources
- S1 Squirrel Ai Learning Sets Guinness World Record for the most users to take an online mathematics lesson in 24 hours (PR Newswire) Officiel intéressé archive à générer
- S2 Squirrel Ai Intelligent Adaptive Learning System: The Best Inventions of 2025 (TIME) Presse établie archive à générer
- S3 The Squirrel AI Adaptive Learning System Accompanying Millions of Children in Their Growth (ResearchGate) Secondaire archive à générer
- S4 This AI tutor could make humans 10 times smarter, its creator says (World Economic Forum) Presse établie archive à générer
Une erreur, une info plus récente, une source ?
Cette fiche vit de sa justesse. Si un chiffre a bougé, si le déploiement a changé, ou si vous avez une source de meilleure qualité, dites-le nous. Toute correction sourcée est vérifiée avant publication.