Utiliser Claude Code pour l'enseignement

Outils agentiques - Gestion du contexte

Outils IA & Mathématiques
Groupe de Travail IA / Maths - 2025-2026

Plan de la présentation

  1. Prérequis vocabulaire
  2. Architecture - Pourquoi tant de complexité ?
  3. Skills & MCP
  4. Commandes
  5. Agents
  6. Démonstration 1 : Retranscription PDF
  7. Démonstration 2 : Fiche technique
  8. Démonstration 3 : Beamer
  9. Démonstration 4 : Application interactive

📚 Partie 0

Prérequis vocabulaire

Concepts fondamentaux

💬 Prompt

Instruction textuelle envoyée à un modèle d'IA pour obtenir une réponse

📖 Contexte

Ensemble des informations disponibles pour le modèle lors de sa génération
Ressource limitée et précieuse

Types de prompts

👤 User Prompt

Quoi ? Instruction de l'utilisateur

Exemple : "Crée un cours sur les dérivées"

⚙️ System Prompt

Quoi ? Définition du rôle et des capacités

Exemple : "Tu es un expert LaTeX spécialisé en Beamer"

Important : Le system prompt définit comment l'agent travaille,
le user prompt définit ce qu'il doit faire.

Outils & Workflows

🔧 Outil (Tool)

Fonction externe appelable par l'agent (lecture, écriture, compilation, etc.)

🔄 Workflow / Flux de travail

Séquence d'opérations coordonnées pour accomplir une tâche complexe

Agent

🤖 Définition

Instance d'IA avec un system prompt spécialisé,
des outils dédiés, et une autonomie d'action
dans son domaine de compétence.

Exemple : L'agent beamer-worker est un expert
en création de présentations Beamer avec overlays et animations.

🏗️ Partie 1

Architecture - Pourquoi tant de complexité ?

Le contexte : une ressource limitée

Problème : Les modèles d'IA ont une fenêtre de contexte limitée
(ex: 200 000 tokens pour Claude Sonnet)

Deux stratégies principales

1. Réduire

Minimiser les informations chargées en contexte

2. Déléguer

Distribuer le travail à des agents spécialisés

Exemple concret

📄 Un fichier de 10 000 lignes consomme environ
50 000 tokens (soit 25% du contexte total)

Solution : Architecture modulaire

  • Ne charger que les sections nécessaires
  • Utiliser des agents spécialisés avec contexte réduit
  • Activer les capacités à la demande

Survol de l'architecture .claude/

.claude/
├── agents/           → System prompts spécialisés
├── commands/         → Instructions stockées (workflows)
├── mcp_servers/      → Scripts et connexions externes
├── skills/           → Capacités activables
├── agents-data/      → Données de référence pour agents
└── datas/            → Templates et configurations

Chaque composant a un rôle précis dans l'écosystème

Pourquoi cette architecture ?

  • 🎯 Adaptation aux limites :
    Chaque agent a ses contraintes de contexte, on les contourne par spécialisation
  • 🧩 Modularité :
    On active seulement ce dont on a besoin (ex: skill MathJax uniquement si formules)
  • 📈 Extensibilité :
    Ajout d'agents, skills, commandes selon les besoins évolutifs
  • ⚡ Performance :
    Agents légers (Haiku) pour tâches simples, Sonnet pour tâches complexes

🛠️ Partie 2

Skills & MCP

💡 Skills

Définition : Capacités activables par les agents pour étendre leurs fonctionnalités

Caractéristiques

  • Peuvent inclure des scripts Python/Node.js
  • Gestion fine du contexte par activation conditionnelle
  • Réutilisables par plusieurs agents

Exemples de Skills

beamer-presentation

Création de diaporamas avec overlays et animations LaTeX

tex-compiling-skill

Compilation LaTeX avec gestion d'erreurs

pdf

Extraction et analyse de documents PDF

educational-app-builder

Génération d'applications web éducatives

Principe : Un skill n'est chargé en contexte que si nécessaire

🔌 MCP (Model Context Protocol)

Définition : Scripts appelables fournissant des outils supplémentaires
et connexions à l'écosystème externe

Caractéristiques

  • Serveurs dédiés avec API standardisée
  • Isolation des dépendances (environnements virtuels)
  • Outils exposés aux agents via protocole MCP

Exemples de serveurs MCP

1
latex-compiler-server
Compilation LaTeX avec détection d'erreurs avancée
2
competences-server
Accès à la base de compétences du programme scolaire
3
encoding-fixer-server
Correction automatique des problèmes d'encodage

Skills vs MCP

💡 Skills

  • Capacités internes
  • Documentation + workflows
  • Chargés en contexte si activés

🔌 MCP

  • Outils externes
  • Scripts Python/Node.js autonomes
  • Appelés via protocole standardisé

Complémentarité : Un skill peut utiliser un serveur MCP pour des opérations complexes

🔄 Meta-création : Skills et Commandes générateurs

Système auto-extensible : L'architecture inclut des outils
permettant de créer de nouveaux composants

Outils disponibles

📝
Skill skill-creator
Guide pour créer de nouveaux skills personnalisés
⚙️
Commandes de création
Workflows pour générer agents, commandes et serveurs MCP

🚀 Extensibilité infinie : Créez vos propres outils pour répondre à vos besoins spécifiques !

⚡ Partie 3

Commandes

Qu'est-ce qu'une commande ?

Définition : Instructions détaillées stockées pour tâches finales bien structurées
Correspondent aux user prompts standardisés

Format

/commandeName → Exécute un workflow prédéfini

Caractéristiques des commandes

  • 📋 Réutilisables : Une fois définie, utilisable à l'infini
  • 🎯 Cohérentes : Garantit un résultat standardisé
  • 🔄 Workflows intégrés : Orchestrent plusieurs agents/skills
  • ⚡ Gain de temps : Évite de répéter des instructions complexes

Exemple : /createBeamer

Workflow complet automatisé :

1
Analyse du contenu source (cours, notes, PDF...)
2
Structuration en sections et slides
3
Génération du code LaTeX Beamer avec overlays
4
Compilation et vérification des erreurs
5
Rapport final avec chemin du PDF généré

🤖 Partie 4

Agents

Agents : les experts spécialisés

Définition : System prompts activables par Claude Code
Experts autonomes sur un sujet donné

Avantages

  • Utilisation de modèles légers (ex: Haiku) pour tâches simples
  • Autonomie dans leur domaine de spécialisation
  • Contexte réduit et ciblé
  • Contexte isolé : n'influe pas sur l'agent principal
  • Communication unidirectionnelle : rapport final à l'agent principal uniquement

Exemples d'agents

latex-main-worker

Expert en création de documents LaTeX structurés

beamer-worker

Spécialiste des présentations Beamer

reveals-creator

Expert en présentations reveal.js

debug-tex-log

Analyste d'erreurs de compilation LaTeX

Architecture des agents

## Rôle

Tu es un expert en [DOMAINE SPÉCIALISÉ]

## Expertise

- Compétence 1
- Compétence 2
- Compétence 3

## Workflow

1. Étape 1
2. Étape 2
3. Étape 3

## Règles strictes

À FAIRE : ...
À NE JAMAIS FAIRE : ...

Un agent = System prompt + Données de référence + Outils accessibles

🎬 Partie 5

Démonstration 1 : Retranscription PDF

Scénario

📄 J'ai un cours manuscrit scanné en PDF
Je veux obtenir un document LaTeX professionnel

Workflow automatisé

1
Skill pdf
Extraction du contenu textuel et visuel du PDF
2
Agent latex-main-worker
Analyse de la structure et génération du LaTeX
3
Skill tex-compiling-skill
Compilation avec gestion des erreurs

Résultat

✅ Document LaTeX professionnel

  • Structure cohérente (sections, sous-sections)
  • Formules mathématiques correctement formatées
  • Figures et graphiques intégrés
  • Mise en page conforme aux standards

Gain de temps : 2 heures → 5 minutes

🎬 Partie 6

Démonstration 2 : Fiche technique

Scénario

📋 Créer une fiche technique administrative
pour documenter une ressource pédagogique

Destinataires possibles

  • Inspecteur (évaluation)
  • Collègues (partage de ressources)
  • Personnel administratif (archivage)

Workflow automatisé

1
Agent fiche-technique-agent
Analyse automatique de la ressource (fichier ou dossier)
2
Extraction des métadonnées
Niveau, compétences, durée, matériel...
3
Génération LaTeX adaptée
Format professionnel selon le destinataire

Résultat

✅ Documentation administrative conforme

  • Présentation professionnelle
  • Informations structurées et complètes
  • Respect des normes institutionnelles
  • Prête à être archivée ou partagée

Avantage : Standardisation et qualité garantie

🎬 Partie 7

Démonstration 3 : Beamer

Scénario

📊 Transformer un cours en présentation Beamer
pour un support de cours dynamique

Workflow automatisé

1
Agent beamer-worker
Analyse du contenu et extraction des points clés
2
Création avec overlays
Animations progressives pour révélation pédagogique
3
Respect des normes typographiques
Utilisation de siunitx pour les unités
4
Compilation et vérification
Détection automatique des erreurs

Résultat

✅ Diaporama pédagogique de haute qualité

  • Animations fluides et progressives
  • Design professionnel et cohérent
  • Navigation intuitive
  • Formules mathématiques impeccables

Impact : Cours plus dynamiques et engageants

🎬 Partie 8

Démonstration 4 : Application interactive

Scénario

💻 Créer une application web interactive
pour réviser un cours de manière ludique

Workflow automatisé

1
Agent app-creator-agent
Analyse de la ressource éducative
2
Génération de l'application Flask
Backend (Python) + Frontend (HTML/CSS/JS)
3
Packaging en exécutable
Application standalone (aucune installation requise)
4
Tests automatisés
Vérification du fonctionnement

Résultat

✅ Application éducative clé en main

  • Interface intuitive et responsive
  • Exercices interactifs avec feedback immédiat
  • Suivi de progression
  • Déploiement simple (double-clic)

Innovation : Apprentissage actif et autonome

🎯 Conclusion

  • Architecture modulaire adaptée aux contraintes du contexte
  • Synergie entre tous les composants (agents, skills, MCP, commandes)
  • Système vivant et extensible selon les besoins
  • Productivité décuplée pour l'enseignant

🚀 L'architecture Claude Code transforme l'IA en véritable assistant pédagogique

Merci de votre attention

Questions ?

Présentation générée avec reveal.js
Groupe de Travail IA & Mathématiques - 2025