Choisir son modèle

Studium ne contient aucun modèle et n'en choisit aucun. Cette page dit où un modèle intervient, ce qu'il doit savoir faire, et comment travailler avec un abonnement Copilot, avec un modèle qui tourne sur votre machine, ou sans aucun modèle supplémentaire.

Avant de commencer

Où un modèle intervient

Modèle Ce qu'il fait Où vous le choisissez Nécessaire
Le modèle de votre assistant construit une leçon à partir de vos sources, affiche chaque étape, transmet vos réponses dans l'assistant (Copilot, Claude Code, Codex, OpenCode, Cursor) oui
Un modèle juge évalue les étapes d'audit, où vous dites ce qui est faux dans une lecture ou un résumé produits par une IA, et mène les étapes de discussion sur le serveur Studium, avec LITELLM_BASE_URL non

Les deux sont indépendants. Un abonnement Copilot donne ses modèles à votre assistant ; il ne donne pas de point d'accès à Studium et ne peut donc pas servir de juge.

Le modèle de votre assistant

Studium ne lui demande qu'une chose : savoir appeler des outils, car chaque étape d'une leçon est un appel d'outil.

Avec un abonnement Copilot

  1. Ajoutez le serveur à Copilot dans VS Code :

    code --add-mcp '{"name":"studium","command":"npx","args":["-y","studium-mcp"],"env":{"LITELLM_BASE_URL":""}}'
    
  2. Ouvrez Copilot Chat en mode agent et choisissez un modèle dans le sélecteur. Les modèles proposés dépendent de votre abonnement (Pro, ou Copilot pour les étudiants et les enseignants par GitHub Education) : voir Connecter Copilot.

  3. Demandez : « je veux apprendre … avec Studium », en indiquant vos sources.

Avec un modèle qui tourne sur votre machine

Assistant Comment
Chat de VS Code lancez Chat: Manage Language Models, puis Add Models : l'extension Ollama pour un modèle servi par Ollama, ou Custom Endpoint pour tout serveur compatible. VS Code ne propose un modèle en mode agent que s'il sait appeler des outils. Référence : AI language models in VS Code
OpenCode configurez un fournisseur qui sert un modèle sur votre machine, en suivant la documentation d'OpenCode, puis ajoutez le serveur Studium : Connecter OpenCode

Construire une leçon est la partie exigeante : chaque citation doit reproduire son passage source au caractère près, et Studium refuse un brouillon qui ne le fait pas. Jouer une leçon demande moins : l'assistant affiche le texte que Studium renvoie et transmet vos mots. Les leçons et la progression sont dans ~/.studium, quel que soit l'assistant : une leçon construite avec un assistant peut être jouée avec un autre sur la même machine.

Le modèle juge

Sans juge, rien n'est perdu : sur une réponse rédigée, Studium montre la référence, vous comparez et vous évaluez votre rappel, et le verdict dit que personne ne l'a évaluée. Avec un juge, les étapes d'audit sont évaluées par le modèle, et le verdict le dit.

Réglez le juge dans l'environnement que votre assistant donne au serveur Studium, là où les commandes de cette documentation laissent LITELLM_BASE_URL= vide :

Variable Valeur
LITELLM_BASE_URL l'adresse d'un serveur compatible OpenAI, sans /v1 : Studium envoie ses requêtes à <adresse>/v1/chat/completions
LITELLM_API_KEY la clé, quand le serveur en demande une
LITELLM_MODEL le nom de modèle du juge d'audit ; studium/audit-judge par défaut

Studium envoie deux sortes de requêtes à cette adresse :

Étape Nom de modèle envoyé Si le point d'accès échoue
Audit d'une lecture ou d'un résumé produits par une IA LITELLM_MODEL la réponse est enregistrée comme non évaluée
Discussion studium/runtime-tutor, qui ne se change pas l'étape continue sans le modèle

Les autres réponses rédigées (une critique, une explication avec vos mots, une comparaison) ne sont pas envoyées à cette adresse. Elles ne sont évaluées que par le service scene-synth d'un déploiement complet, que Studium cherche à http://localhost:8002 ; sans lui, vous comparez avec la référence et vous évaluez votre rappel. Les autres réglages sont dans Configuration.

Un LITELLM_BASE_URL non vide peut être une route payante : vérifiez ce que facture le point d'accès avant de le renseigner.

Un juge sur votre machine

Un proxy LiteLLM peut donner ces deux noms à un modèle local. Un exemple à adapter, pour un modèle servi par Ollama :

model_list:
  - model_name: studium/audit-judge
    litellm_params:
      model: ollama/<model>
      api_base: http://localhost:11434
  - model_name: studium/runtime-tutor
    litellm_params:
      model: ollama/<model>
      api_base: http://localhost:11434

Lancez le proxy avec ce fichier, puis donnez son adresse à Studium, par exemple LITELLM_BASE_URL=http://localhost:4000.

Ce que vous obtenez

  • get_server_info indique model_backend : none, ou configured quand LITELLM_BASE_URL est renseigné. Demandez à votre assistant de l'appeler.
  • Chaque verdict dit qui a évalué la réponse (assessed_by) : la clé de l'auteur (key), un juge (judge) ou personne (none). L'avis du premier écran d'une leçon écrite par un assistant dit si un juge évalue les réponses rédigées.
  • Si le juge ne répond pas, ou répond par une erreur, la leçon continue et une réponse d'audit est enregistrée comme non évaluée.

Limites

  • Aucun modèle tournant sur une machine n'a été essayé avec Studium, ni comme modèle de l'assistant ni comme juge. Ce qu'un essai a vérifié, c'est la requête d'audit : une requête à <adresse>/v1/chat/completions avec le nom de modèle, la clé et un format de réponse JSON, et ce que fait Studium quand elle échoue. La requête de discussion a été lue dans le code, pas exécutée.
  • Le fichier LiteLLM ci-dessus n'a pas été exécuté avec Studium.
  • Avec un juge, le serveur refuse d'ouvrir une session quand il n'a pas de secret propre pour les pseudonymes des apprenants. C'est le cas avec STUDIUM_EPHEMERAL=1, et avec un dossier de données qui contenait déjà des apprenants avant que Studium donne à chaque installation son propre secret. Un dossier de données créé depuis n'a besoin de rien de plus. Lisez Configuration avant de renseigner STUDIUM_PSEUDO_SECRET.
  • Une réponse HTTP 200 d'un point d'accès ne prouve pas qu'un modèle a répondu.
  • Les abonnements, les modèles et les limites d'un assistant sont fixés par son fournisseur et changent avec le temps.

Voir la source de cette page sur GitHub