Etudiant : ERROUISSAT OTHMANE

Filière : Master Électronique Embarquée Et Systèmes Intelligents (2ESI)

Encadrant : Pr. EL BAKRI AYOUB

Annèe : 2026

Résumé : Ce mémoire de Projet de Fin d'Études traite de la conception et de la mise en œuvre d'une plateforme de gestion électronique de documents (EDM) augmentée par l'intelligence artificielle, destinée au mégaprojet CAP (Concentration d'Acide Phosphorique) du groupe OCP, sur le site industriel de Jorf Lasfar. La gestion documentaire de ce projet, qui implique plusieurs parties prenantes (OCP, ASPC, CBMI), repose sur des Transmittals bordereaux de transmission dont le traitement manuel génère des erreurs de saisie et des goulots d'étranglement. Le corpus documentaire, composé de plus de 1 500 documents hétérogènes (plans P&ID, fiches techniques, bordereaux), appelle une solution d'extraction intelligente et de recherche sémantique. Pour répondre à cette problématique, nous avons conçu une architecture hybride articulée autour de trois axes. Le premier axe concerne le traitement intelligent de documents : le pipeline Docling assure l'extraction structurelle des documents tabulaires sur CPU, tandis que le modèle visuo-linguistique Qwen2.5-VL-7B-Instruct est déployé sur GPU pour l'analyse des plans d'ingénierie complexes. Le deuxième axe porte sur un système de recherche sémantique fondé sur le paradigme RAG (Retrieval-Augmented Generation), combinant le modèle d'embeddings multilingue BGE-M3, une base vectorielle ChromaDB indexée par l'algorithme HNSW, et un modèle de langage pour la génération de réponses. Le troisième axe est une plateforme web complète (Django, React/TypeScript, PostgreSQL, Neo4j, MinIO) intégrant un modèle de données multi-organisationnel, une authentification JWT et un contrôle d'accès par rôles. L'ensemble du système a été conçu sous la contrainte matérielle stricte d'un GPU NVIDIA T4 de 16 Go de VRAM, ce qui a guidé chaque décision d'ingénierie de la quantification des modèles à la répartition des tâches entre CPU et GPU. L'expérimentation, conduite sur la plateforme Kaggle, a validé la faisabilité du déploiement tout en identifiant des axes d'amélioration, notamment en matière de couverture de l'index lexical et de robustesse de l'extraction d'intention. Mots-clés : Gestion Électronique de Documents, RAG, Modèles Visuo-Linguistiques, Qwen2.5-VL, Embeddings, HNSW, OCP, GPU contraint, Systèmes Embarqués Intelligents