Projets de Fin d'Études - Parcours MAIA

Découvrez des projets concrets réalisés par les étudiants MAIA de Télécom SudParis, illustrant l'application de l'intelligence artificielle dans des contextes industriels, commerciaux et sociétaux variés.

Détection d'anomalies pour une chaîne de production

Ce projet a consisté à développer une solution complète d'inspection visuelle automatisée en usine grâce à l'IA. Les étudiants ont conçu un pipeline intégrant Kafka pour l'acquisition de flux d'images, FastAPI pour l'API, Streamlit pour le prototypage et le modèle PatchCore pour la détection d'anomalies en few-shot learning. Cette solution permet de repérer en temps réel les défauts sur les produits, réduisant les coûts liés aux non-conformités et augmentant l'efficacité des lignes de production.

Plateforme d'agents vocaux conversationnels

Les étudiants ont développé une plateforme de création d'agents vocaux intelligents combinant des technologies telles que Flask, React, Twilio pour la VOIP, FastConformer ASR pour la reconnaissance vocale, SmolLM2 pour la génération de réponses, et Kokoro pour la synthèse vocale. Ce projet permet aux entreprises de déployer facilement des agents capables de mener des conversations naturelles avec les clients, tout en intégrant un suivi analytique et des recommandations personnalisées via un pipeline MLOps.

Application de recrutement et de gestion de carrière basée sur l'IA

Le projet MaiaRH est une application développée pour automatiser le recrutement et l'accompagnement de carrière grâce à l'IA. Utilisant Streamlit pour l'interface, des modèles NLP pour l'analyse de CV, ainsi que des algorithmes de recommandations par TF-IDF et cosine similarity, l'application permet de trier automatiquement des candidatures, de générer des plans de carrière personnalisés et d'organiser des entretiens simulés. Elle répond ainsi aux besoins des entreprises souhaitant optimiser la gestion des talents.

Outil de recommandation vestimentaire : Outfit Oracle

Outfit Oracle est une application web de recommandation de tenues développée avec des technologies de deep learning (VGG16) pour l'analyse visuelle, k-NN pour la recherche de similarités stylistiques, et filtrage collaboratif UUCF pour intégrer les préférences des utilisateurs. L'application permet à chacun d'importer une photo de vêtement et de recevoir des suggestions personnalisées, tout en s'appuyant sur React pour l'interface et un pipeline CI/CD pour l'automatisation des tests et déploiements.

Application d'analyse tactique des matchs de football

Ce projet vise à automatiser l'analyse vidéo des matchs de football à l'aide de YOLOv8 et DeepSORT pour la détection et le suivi des joueurs et du ballon. Les étudiants ont intégré des outils tels que Streamlit, Dash et FFmpeg pour extraire des statistiques avancées comme les heatmaps, les vitesses et les trajectoires des joueurs, et visualiser les résultats via des interfaces interactives. Cet outil permet aux entraîneurs d'optimiser les stratégies d'équipe grâce à des données objectives et détaillées.