Este trabajo propone el desarrollo de un sistema inteligente para la enseñanza del francés como lengua extranjera, integrando tecnologías avanzadas de Procesamiento del Lenguaje Natural (PLN) como Large Language Models (LLMs), Retrieval-Augmented Generation (RAG), ontologías especializadas y agentes de interpretación. El objetivo principal es crear una herramienta de aprendizaje adaptativo y personalizado que genere explicaciones contextuales, ejercicios y evaluaciones automáticas en francés, mejorando la precisión del modelo mediante RAG con fuentes pedagógicas confiables. Para ello, se implementa una ontología que estructura el conocimiento lingüístico (gramática, vocabulario, niveles CEFR) y agentes inteligentes que analizan el progreso del estudiante, ajustando la dificultad en tiempo real. La metodología combina la capacidad generativa de LLMs (como GPT-4 o Mistral) con la recuperación de información contextualizada mediante RAG, evitando alucinaciones y garantizando respuestas pedagógicamente sólidas. Como resultados esperados, se prevé un prototipo interactivo que permita prácticas de conversación, corrección gramatical y retroalimentación personalizada, evaluado mediante pruebas A/B con usuarios reales para medir su eficacia. En conclusión, este sistema fusiona la flexibilidad de la IA generativa con el conocimiento estructurado de ontologías y la adaptabilidad de agentes inteligentes, ofreciendo un enfoque innovador en la enseñanza de idiomas, con posibles extensiones futuras hacia otros lenguajes y mejoras en la interpretación de las necesidades emocionales del aprendiz.