Projets de fin d'études · EBS Integra, Sfax
PFE Book 2027
5 sujets pour ingénieurs et masters en informatique. Ils partent de besoins réels, avec de vraies données et de vrais utilisateurs : un atelier, un magasin de pièces et un ERP en production.
- Février 2027Démarrage
- Juin 2027Soutenance
- SfaxEn présentiel
- 1 à 2 étudiantsPar sujet
Ce que nous offrons
Un PFE qui sert vraiment.
Un encadrement suivi
Un point chaque semaine avec un architecte logiciel, des revues de code et des points d'avancement.
Un terrain réel
Un atelier, un magasin de pièces et un ERP en production, avec de vrais utilisateurs.
Des technologies actuelles
IA générative, agents, vision par ordinateur, ERP cloud Microsoft.
Une possibilité d'embauche
Un recrutement possible pour les meilleurs profils à la fin du PFE.
Les sujets
5 sujets, 1 terrain réel.
Touchez un sujet pour lire le détail, puis postulez en un clic.
01SAV Vision : suivi intelligent des véhicules en atelier par caméras
Contexte
Dans un atelier après-vente, on ne sait pas toujours en temps réel où se trouve chaque véhicule, depuis quand il attend, ni sur quel poste il est en travail. Tout est saisi à la main, souvent en retard.
Objectif
Exploiter les caméras IP de l'atelier pour suivre automatiquement le parcours de chaque véhicule, de l'entrée en réception jusqu'à la sortie.
Fonctionnalités attendues
- Détection de l'entrée et de la sortie des véhicules
- Lecture automatique des plaques tunisiennes (ANPR)
- Rapprochement avec l'ordre de réparation dans l'ERP
- Localisation : parking, réception, pont, poste, lavage
- Détection de l'activité : en travail ou en attente
- Temps d'attente, d'immobilisation et par poste
- Tableau de bord temps réel de l'atelier
- Alertes : véhicule bloqué, délai dépassé
- Technologies
- Python, OpenCV, YOLO, ByteTrack, PaddleOCR, RTSP, FastAPI, PostgreSQL, Vue 3, API Business Central
- Profil
- Ingénieur ou master, option IA ou data science, bases en Python et deep learning
- Livrables
- Dataset annoté, modèles évalués, service temps réel, tableau de bord, rapport et démo
- Étudiants
- 1 à 2
02Agent vocal IA pour le service pièces de rechange
Contexte
Le service pièces reçoit chaque jour beaucoup d'appels répétitifs : « avez-vous cette pièce ? », « quel est son prix ? », « quand sera-t-elle disponible ? ». Beaucoup restent sans réponse aux heures de pointe.
Objectif
Développer un agent vocal qui décroche, comprend la demande du client et répond avec les données réelles de l'ERP, grâce à des outils connectés à Business Central.
Fonctionnalités attendues
- Réponse automatique aux appels, 24h/24
- Dialecte tunisien, arabe et français
- Identification de l'article : référence, modèle ou VIN
- Stock, prix et délai de disponibilité en temps réel
- Réservation d'une pièce ou demande de devis
- Transfert vers un conseiller humain
- Journal des appels et transcriptions
- Statistiques : questions et articles demandés
- Technologies
- Asterisk / FreePBX, SIP, Whisper, LLM avec tools, synthèse vocale, RAG, OData / REST, Python
- Profil
- Ingénieur ou master, intérêt pour le traitement de la parole et le NLP
- Livrables
- Agent vocal sur numéro de test, connecteur ERP, tableau de bord des appels, rapport et démo
- Étudiants
- 1 à 2
03Agents IA intégrés à Business Central par processus métier
Contexte
Dans un ERP, chaque ressource (magasinier, comptable, chef d'atelier, commercial, acheteur) répète chaque jour les mêmes tâches : contrôles, relances, saisies, réapprovisionnement.
Objectif
Concevoir une plateforme d'agents IA intégrée à Business Central, où chaque agent assiste une ressource dans son processus métier, sous contrôle humain.
Fonctionnalités attendues
- Cartographie des processus par ressource
- Agent Achats / Magasin : réapprovisionnement
- Agent Comptabilité : factures fournisseurs (OCR + IA)
- Agent Recouvrement : retards, relances clients
- Agent Atelier : ordres de réparation bloqués
- Validation humaine avant écriture
- Journal d'audit et droits par agent
- Discussion avec les agents depuis Business Central
- Technologies
- Extensions AL, API pages, REST / OData, serveur MCP, LangGraph, LLM, Python, PostgreSQL, Docker
- Profil
- Ingénieur, curieux de l'IA générative, motivé pour apprendre un ERP
- Livrables
- Cartographie, architecture multi-agents, 3 agents opérationnels, journal d'audit, rapport et démo
- Étudiants
- 1 à 2
04Badgeage intelligent et productivité des ateliers par caméras
Contexte
Le chef d'atelier affecte des techniciens à un véhicule dans la commande service Business Central. Chacun doit badger, mais beaucoup oublient : le temps réel passé sur le véhicule est perdu.
Objectif
Quand une ressource affectée n'a pas badgé, les caméras détectent sa présence sur le véhicule, calculent la durée réelle et la fixent dans la commande service.
Fonctionnement attendu
- Affectation des ressources au véhicule dans la commande service
- Vérification du badgeage classique de chaque ressource
- Détection caméra du technicien affecté s'il n'a pas badgé
- Durée réelle mesurée, absences du poste déduites
- Fin de travail : durée fixée automatiquement pour la personne
- Contrôle et validation par le chef d'atelier
- Productivité par technicien et par équipe, alertes
- Vie privée : floutage, aucune vidéo stockée, INPDP
- Technologies
- Python, OpenCV, YOLO, reconnaissance de silhouette, suivi multi-objets, edge (Jetson), FastAPI, PostgreSQL, Vue 3, API Business Central
- Profil
- Ingénieur ou master, option IA ou systèmes embarqués, bases en vision
- Livrables
- Module de détection, rapprochement caméras / commande service, tableau de bord, rapport et démo
- Étudiants
- 1 à 2
05Inspection carrosserie 360° par IA à la réception
Contexte
À la réception, l'état du véhicule (rayures, bosses, jantes, pare-brise) est noté à la main. En cas de litige avec le client, il n'y a souvent ni preuve ni photo datée.
Objectif
Inspecter automatiquement la carrosserie à partir d'une vidéo filmée au téléphone ou d'un portique de caméras, et produire un constat d'état signé numériquement.
Fonctionnalités attendues
- Capture guidée du tour du véhicule
- Détection : rayure, bosse, impact, fissure
- Position des dommages sur un schéma du véhicule
- Estimation de la gravité et du coût (option)
- Comparaison entrée / sortie automatique
- PV de réception signé sur tablette
- PV rattaché à l'ordre de réparation
- Proposition commerciale pour les dommages
- Technologies
- YOLO-seg, Mask R-CNN, photogrammétrie, Flutter, FastAPI, PostgreSQL, stockage objet, API Business Central
- Profil
- Ingénieur ou master, option IA, intérêt pour la vision et le mobile
- Livrables
- Dataset de dommages, modèle évalué, app mobile de capture, générateur de PV, rapport et démo
- Étudiants
- 1 à 2
Candidature
Comment se déroule votre PFE.
Candidature
Votre CV et le sujet choisi, avec le formulaire ci-dessous.
Entretien
Un échange technique avec l'équipe.
Démarrage
Février 2027 : intégration et cadrage.
Soutenance
Juin 2027 : démonstration finale.
- LieuSfax, en présentiel
- MéthodeAgile, sprints de 2 semaines
- EncadrementSuivi hebdomadaire, revue de code
- CalendrierAdaptable à votre établissement
Postuler
Envoyez votre candidature.
Quelques minutes suffisent. Vous recevez un e-mail de confirmation, puis nous vous contactons pour un entretien.
Candidature bien reçue. Merci !
Votre référence :
Un e-mail de confirmation vient de vous être envoyé. Pensez à regarder dans vos courriers indésirables.
La suite : notre équipe étudie votre dossier. Si votre profil correspond, nous vous contactons pour un entretien technique.