L’intelligence artificielle a fait de grands progrès avec les modèles de langue de grande taille (LLMs) comme GPT, capables de générer du texte fluide et contextuel. Toutefois, leur application en éducation rencontre des défis, notamment les « hallucinations » générant des informations incorrectes susceptibles de perturber l’apprentissage. La Génération Augmentée par Récupération (RAG) a été introduite pour pallier ces limites en combinant les LLMs à une recherche d’informations spécifiques dans des bases de données, renforçant ainsi la précision et la pertinence des réponses. Dans ce contexte, nous avons développé un agent conversationnel basé sur GPT-4 et enrichi par RAG, conçu pour offrir un soutien cognitif en temps réel aux apprenants et les aider à clarifier des concepts complexes dans les MOOCs. Notre solution a été testée auprès de 50 apprenants et a montré un gain de connaissances statistiquement significatif dans le groupe expérimental par rapport au groupe de contrôle, accompagné d’un score élevé sur l’échelle d’utilisabilité du système (SUS). Les entretiens qualitatifs ont également révélé un impact positif sur l’expérience des apprenants, notamment en termes de satisfaction et d’utilité perçue. Ces résultats soulignent le potentiel de l’IA pour améliorer les environnements d’apprentissage en ligne et encouragent des recherches futures sur leur rôle en tant que compagnons d’apprentissage.