Etudiant : HAL-HOUSSINE AYMEN

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

Encadrant : Pr. BOUKILI BENSALEM

Annèe : 2026

Résumé : Face aux limites du diagnostic automobile traditionnel, ce projet de fin d'études, mené chez M.AUTOMOTIV (Renault Group) à Casablanca, propose une transition concrète vers la maintenance prédictive. L'enjeu majeur était de concevoir un système intelligent embarqué (Edge AI) pour anticiper les pannes mécaniques avant qu'elles ne provoquent l'immobilisation du véhicule. Pour pallier le manque de données réelles exploitables, nous avons d'abord modélisé mathématiquement les signatures vibratoires de moteurs afin d'entraîner un réseau de neurones (MLP) sous TensorFlow/Keras. Le véritable défi a ensuite consisté à adapter cette intelligence artificielle aux ressources extrêmement limitées d'un microcontrôleur. Grâce à une technique d'optimisation par quantification (de Float32 vers Int8), la taille du modèle a été drastiquement réduite à seulement 18,62 Ko, permettant une détection de l'anomalie en moins de 50 ms. Les simulations réalisées sur l'architecture Arduino Nano 33 BLE Sense démontrent ainsi qu'un diagnostic embarqué, totalement autonome et en temps réel, est techniquement viable pour les ateliers.