Accédez aux ressources directement depuis les compétences, savoirs, activités professionnelles, centres d'intérêt des référentiels, ainsi qu'aux sujets d'examen et séminaires nationaux.
publié le 01 Juil 2025 par Olivier TOURVIEILLE
Ce module est destiné à donner à des étudiants de niveau bac +1 à bac +5 des bases permettant d'utiliser efficacement des algorithmes d'intelligence artificielle dans un milieu professionnel. Il aborde, sans entrer dans les formulations mathématiques, le fonctionnement général des principaux algorithmes utilisés en intelligence artificielle. Une large place est laissée au TP, de manière à expérimenter différentes utilisations possibles des algorithmes d'IA.
De par sa formulation, il est particulièrement adapté aux étudiants suivant une formation de BTS ou de BUT. Il est également adapté aux étudiants de CPGE pour découvrir des applications concrètes de l’IA et pourrait être utile notamment dans le cadre des TIPE.
Les prérequis pour ce module sont très limités car on ne souhaite pas entrer dans les formulations mathématiques. On pourra cependant exiger de l'étudiant :
Une compréhension des formulations mathématiques de base (fonction linéaire, dérivée)
Une compréhension de la représentation de données par des graphiques de différentes types
Un certain pouvoir d'abstraction nécessaire pour la compréhension de logigrammes
Une maitrise de l'élaboration d'un protocole expérimental pour les TP
La maitrise des fonctions de base de Excel (formules et tracés de graphiques)
Le module est structuré comme suit :
Objectif : Donner les notions de base sans rentrer dans les détails des formulations mathématiques
Introduction à l'IA
Définition
Histoire
Exemples d'utilisation dans divers domaines
Notions de base de l'IA
Etapes clefs du machine learning
Problèmes de classification / régression
Apprentissage supervisé / non supervisé / renforcement
Principaux algorithmes en IA
Régression (supervisée)
Classification (supervisée)
Classification (non supervisée)
Détection d'anomalie
Deep Learning : Réseaux de neurones
L'IA dans l'industrie
Objectif : Utiliser des algorithmes d'IA préentrainés pour effectuer différentes tâches courantes en entreprise
Ce TP aborde 4 cas d'utilisation différents dans lesquels on peut facilement avoir recours à l'utilisation d'une IA.
Structure du TP :
Cas 1 : Générer du code pour programmer une carte électronique
On utilise ici un LLM (Large Language Model) pour programmer une carte électronique Wio Terminal. Le point intéressant consiste à ne pas lire et modifier le code produit par le LLM, mais plutôt à apprendre à envoyer des informations pertinentes à l'IA via l'écriture de prompts clairs et précis.
Afficher un message sur l’écran du Wio terminal
Connecter un capteur (capteur de distance à ultrasons) et afficher la mesure sur l’écran
Afficher les mesures au cours du temps sur un graphique
Cas 2 : Résoudre un problème de régression avec Excel
On propose dans cette partie de caractériser le capteur de distance à ultrasons utilisé précédemment, en comparant les mesures effectuées à des mesures effectuées avec un mètre ruban. Pour cela, on utilise une régression linéaire intégrée à Excel (la régression faisant partie des algorithmes d'IA), puis on reprogramme manuellement la régression linéaire pour bien faire apparaître la notion de fonction coût.
Acquérir des mesures pour la caractérisation du capteur (protocole expérimental)
Effectuer une régression linéaire avec une fonction intégrée à Excel
Programmer une régression linéaire avec Excel (fonction coût, utilisation du solveur)
Cas 3 : Générer des macros Excel via du code VBA
On utilise ici un LLM (Large Language Model) pour automatiser des tâches à partir de Excel, en générant grâce à l'IA des macros VBA. En particulier, on s'intéresse à la génération et à l'archivage automatique d'un rapport d'essai standardisé concernant l'essai du capteur effectué en partie 2.
Automatiser la génération d'un rapport (génération d'un pdf)
Archiver automatiquement un rapport (formatage du nom, dossier d'archivage)
Cas 4 : Pour aller plus loin – générer une page web
On propose ici un projet en ouverture du TP, visant à utiliser des IA génératives diverses pour créer une page web présentant les résultats de l'essai précédent. On pourra entre autres :
Créer la page web (en local) en générant des fichiers html et css avec un LLM
Inclure des données issues du rapport généré en partie 3 à la page web
Utiliser une IA générative pour créer une image d'illustration
Générer une bande son avec une IA générative
…
Matériel nécessaire :
Un accès à un LLM (ChatGPT, plateforme vittasciences ou autre)
Une carte électronique Seeed Wio Terminal (possibilité de travailler en groupes de 2 élèves)
Un capteur à ultrasons avec connectique Grove (1 par carte Wio Terminal) + câble
Un mètre ruban (1 par carte Wio Terminal)
Un ordinateur avec les logiciels Excel et Arduino IDE
Optionnel : un support réalisé en impression 3D (1 par carte Wio Terminal)
Objectif : Mettre en œuvre des algorithmes d'IA sur des dispositifs embarqués (microcontrôleurs) disposant de faibles ressources, d'une consommation d'énergie limitée et d'aucun accès à internet. Ce TP peut directement avoir des applications en maintenance prédictive par exemple.
Ce TP utilise la plateforme Edge Impulse spécialisée dans le TinyML. On utilise ici la version gratuite (limitée) de la plateforme pour acquérir, entrainer puis déployer des algorithmes d'IA. Successivement, on travaille avec un smartphone puis avec une carte électronique Wio Terminal. Le TP se termine au travers d'un projet d'ouverture.
TinyML - Introduction
Partie 1 : Déploiement sur un smartphone
Classification de mouvement :
Collecte des données avec un smartphone
Mise en forme des données
Choix d'un modèle
Apprentissage
Test du modèle
Ajustement des hyperparamètres
Inférence è Prédictions – Déploiement sur un smartphone sous forme de WebApp (en local – pas d'accès réseau nécessaire)
Pour aller plus loin : détection d'anomalie
Classification d'images
Collecte des données
Partie 2 : Déploiement sur un microcontrôleur (Wio terminal)
Mise en place de la liaison Wio terminal – Edge Impulse
Elaboration d'un algorithme d'IA – Exemple – reconnaissance de mouvement
Collecte et traitement des données – création et test du modèle
Déploiement du modèle sur un microcontrôleur
Pour aller plus loin : Projet dans un contexte industriel, au choix parmi les propositions :
Classification de modes de marche d'une machine à partir de vibrations + détection d'anomalie pour la maintenance prédictive.
Reconnaissance de son : Classification des modes de fonctionnement d'un système émettant du son (pompe, machine-outil…)
Comptage avec un capteur à ultrasons : Comptage des véhicules entrant / sortant d'une zone dans une entreprise.
Classification de substances : Test de la conformité à la norme de différents panneaux de particules de bois, concernant l'émission de formaldéhydes dans l'air.
Un smartphone avec accès à internet
Un ordinateur avec accès à internet et avec le logiciel Arduino IDE
Optionnel pour le projet de fin de TP : d'autres capteurs (capteur de gaz grove par exemple)