M1 E3A - Site Evry - Apprentissage

niveau B2 dans les 5 activités langagières

• les documents étudiés traitent de sujets d'actualité (science, technologie, société, ingénierie, ...)
• l'entraînement aux 5 activités langagières s'appuient sur des documents authentiques
• les activités et supports d'activités sont compilés dans une brochure de cours distribuée aux étudiants en début de semestre
• les supports de cours (audio/video) sont accessibles sur un module de cours sur eCampus
• un cahier de textes, un planning des évaluations, des liens, des activités d'approfondissement sont disponibles sur un moule de cours sur eCampus
• les étudiants doivent produire une présentation orale de 5 minutes en anglais devant leur groupe
• les étudiants s'entraînent à comprendre à l'oral et à l'écrit à partir de documents authentiques
• les étudiants interagissent en groupes (pair work, group work, débats)
• les étudiants peuvent s'entraîner au test TOEIC en laboratoire de langues

• Enrichir et approfondir sa pratique de l'anglais à l'écrit et à l'oral, en compréhension et en production
• Préparer la passation d'une certification internationale (TOEIC par exemple)

UE mutualisée avec le parcours M1 E3A FI PR679

L’étudiant sera capable de :

• s'exprimer avec aisance et fluidité à l'écrit
• s'exprimer avec aisance et fluidité à l'oral
• comprendre de façon détaillée un document sonore authentique (interview, conférence, dialogue, ...)
• comprendre de façon détaillée un document écrit authentique (article de presse, documentation scientifique, extrait littéraire, ...)
• prendre part à des débats / échanges d'idées autour des problématiques étudiées

• How to Write and Publish a Scientific Paper, Robert Day, Barbara Gastel, Cambridge, 319 pages
• La grammaire anglaise de l'étudiant, Serge Berland-Delépine, Jean-Louis Duchet, Ophrys.
• Nombreux sites en ligne (news, exercices), liste évolutive fournie aux étudiants.
• Deux brochures de documents supports et grammaire faites par l’enseignant, données à la première séance, à apporter à chaque cours.

Pas de prérequis

1. Fondamentaux de la gestion de projet: objectifs, livrables, contraintes, rôles des acteurs, triangle QCD (qualité, coût, délai)
2. Planification et suivi: diagrammes (Gantt, PERT, gestion des jalons), structuration par phases (cadrage, planification, exécution, clôture), outils logiciels de gestion de projet (GanttProject, MS Project, Notion, ...).
3. Gestion des risques: identification des risques (techniques, humains, financiers), méthodes d’évaluation (matrice de criticité, priorisation), stratégies de mitigation et plans d’actions.
4. Analyse financière de projet: types de coûts, indicateurs d’aide à la décision, simulation de rentabilité et prise de décision
5. Management de projet humain et organisationnel: communication projet et gestion des conflits, gestion des changements.
6. 6. Mise en situation / Simulation

• Comprendre les enjeux organisationnels, humains et financiers liés à un projet technique.
• Utiliser des outils de planification et de suivi de projet (Gantt, PERT, jalons).
• Identifier, anticiper et piloter les risques projet de manière proactive.
• Maîtriser les critères de décision économique (investissements, TIR, VAN).
• Piloter une équipe projet en intégrant les contraintes humaines et organisationnelles.
• Appréhender les étapes du changement et l'accompagnement nécessaire à sa mise en œuvre.

• Vincent Drecq, Pratiques de management de projet, DUNOD
• Fabrice THEUIL, Réussir un projet avec la méthode PMBOK, Edition INI

Notions de base sur la théorie des asservissements linéaires et de calculs matriciels.

Introduction à la représentation d'état. Modélisation d'un système par la représentation d'état. Relation entre Fonction de transfert et représentation d'état. Analyse de la stabilité. Commandabilité et Observabilité. Commande par placement de pôles. Adjonction intégrale. Observateur d'état. Correcteur dynamique, obseverteur d'ordre réduit. Commande LQ et LQG
Représentation d'état et commande des systèmes discrets.

UE mutualisée avec le parcours M1 E3A FI PR679

1. AUTOMATIQUE Commande automatique des systèmes linéaires continus Viorel Minzu/Bernard LangÉditions ELLIPSES 

2. INTRODUCTION A L’AUTOMATIQUE Systèmes continus Raymond Hanus/Philippe Bogaerts 

3. AUTOMATIQUE Systèmes linéaires, non linéaires, à temps continu, à temps discret, représentation d’état. Yves GranjonEditions DUNOD.

• Mécanique du solide (cinématique du point, repères mobiles, torseurs)
• Bases d’analyse vectorielle et matricielle
• Introduction à la simulation numérique (équations différentielles)

1. Cinématique fondamentale: référentiels, position, vitesse, accélération, systèmes multi-corps, coordonnées généralisées, contraintes cinématiques, projection des vitesses et vitesses angulaires, Jacobienne des vitesses
2. Dynamique: principes de Newton-Euler, principe puissances virtuelles
3. Roulement sans glissement: cinématique du virage, centre instantané de rotation, virage de rayon fini et conditions limites,
4. État stationnaire de virage :dynamique non linéaire, linéarisation autour de points d’équilibre, résolution symbolique modèle deux-roues équivalent sans glissement sans et avec roulis.

• Introduire les principes fondamentaux de la dynamique des systèmes rigides et multi-corps en mouvement.
• Formaliser les mouvements de véhicules et de robots mobiles à partir de coordonnées généralisées et de contraintes.
• Savoir développer les outils de modélisation dynamique via les approches de Newton-Euler et de puissance virtuelle.
• Savoir développer des modèles cinématiques et dynamiques adaptés aux véhicules terrestres et drones.
• Savoir exploiter les matrices jacobiennes pour le traitement des vitesses et des puissances virtuelles.
• Comprendre les comportements dynamiques typiques (virage, roulis, glissement) dans des systèmes roulants ou volants.

UE mutualisée avec le parcours M1 E3A FI PR679

A l'issu de ce cours, l'étudiant sera capable de:

• Décrire les mouvements (position, vitesse, accélération) dans différents référentiels.
• Identifier les coordonnées indépendantes et distinguer les coordonnées généralisées, contraintes holonomes et non-holonomes.
• Utiliser une jacobienne pour relier vitesses généralisées et vitesses cartésiennes.
• Établir les équations du mouvement par les principes de la dynamique (Newton, puissance virtuelle).
• Modéliser le comportement cinématique et dynamique d’un véhicule en virage (modèle deux-roues équivalent, centre instantanée de rotation).
• Analyser les effets du roulis, des contraintes de liaison et des régimes stationnaires.
• Simuler le mouvement d’un drone quadrirotor en translation et rotation dans un espace 3D.

• Ahmed-A. Shabana, Dynamics of Multibody Systems, Cambridge: Cambridge University Press
• Jean-Pierre Brossard, Dynamique du véhicule, Modélisation des systèmes complexes, Sciences appliquées de l’INSA de Lyon

• Notions de base sur les systèmes numériques (logique combinatoire et séquentielle).
• Connaissance de base en algorithmique (variables, structures conditionnelles et boucles).
• Informatique industrielle niveau Licence

Partie 1 - Architectures logiques programmables et algorithmie

1. Méthodologie de conception numérique
2. Langage VHDL
3. Datapath et FSM

Partie 2 - Architecture des systèmes numériques

1. Représentation des nombres à virgule fixe et flottante, standard IEEE-754
2. Additionneurs: Ripple-Carry, Carry Select, Carry Lookahead
3. Multiplication séquentielle, algorithme de Booth,
4. Multiplication rapide arborescente, Carry-Save Reduction, Wallace Tree, Multiplication signée, extension de signe et vecteur correcteur
5. Arithmétique distribuée (DA), Filtrage numérique (FIR), Convolution, Transformée de Fourier (DFT/FFT)

• Découvrir les principes de conception matérielle pour les systèmes embarqués numériques.
• Comprendre les différences entre logique câblée, programmable et processeur généraliste.
• S’initier à la modélisation matérielle et à la description algorithmique à l’aide du langage VHDL.
• Appréhender les méthodologies RTL (Register Transfer Level).
• Savoir intégrer un processeur softcore dans une architecture matérielle.
• Explorer les techniques avancées d’arithmétique embarquée (addition, multiplication rapide), de traitement de signal (filtres numériques, convolution), et de l’arithmétique distribuée.

UE mutualisée avec le parcours M1 E3A FI PR679

À l’issue de ce module, l’étudiant sera capable de :

• Identifier les différences fondamentales entre FPGA, ASIC et CPU.
• Modéliser un système numérique combinant machine à états finis (FSM) et chemin de données (datapath).
• Décrire, simuler et valider une architecture matérielle à l’aide de VHDL.
• Mettre en œuvre un projet sur FPGA avec intégration de blocs matériels.
• Concevoir des additionneurs et multiplicateurs adaptés aux contraintes embarquées.
• Appliquer des algorithmes de multiplication rapide dans une logique séquentielle ou parallèle.
• Concevoir un filtre numérique (FIR/IIR) optimisé avec arithmétique distribuée.

• Stephen Brown, Zvonko Vranesic , Fundamentals Of Digital Logic With Vhdl Design, McGraw-Hill
• Steven W. Smith, The Scientist and Engineer's Guide to Digital Signal Processing, California Technical Publishing

• Bases en algorithmique et structures de données.
• Notions de programmation niveau Licence.

• Modélisation systémique : flux d’information, blocs fonctionnels, diagrammes UML/alternatifs,.
• De la fonction à l’architecture abstraite d’un programme : classes, méthodes, objet, attributs ,abstractions
• Cycle de développement éco-responsable : efficacité énergétique du code, choix d’outils, durabilité logicielle.

Ce module fournit une culture de programmation orientée vers les applications robotiques et systems mobile dans une finalité d’intégration de système.

 L’objectif n’est pas de former à un langage spécifique, mais de comprendre comment structurer et abstraire un programme. Les étudiants passent de la description systémique (fonctions, flux d’information) à l’organisation logicielle (classes, méthodes, modules).

• Comprendre la programmation comme outil d’intégration de systèmes robotiques et mobiles.
• Comprendre comment représenter un système de traitement sous forme fonctionnelle via une approche systémique (blocs, flux d’information).
• Comprendre les principes de structuration logicielle par abstraction : classes, objets, méthodes, modules.
• Comprendre les principes d’un cycle de développement éco-responsable dans la pratique de la programmation.

UE mutualisée avec le parcours M1 E3A FI PR679

• Être capable de modéliser un programme à partir d’une description fonctionnelle
• Savoir structurer un code en classes, méthodes et modules.
• Utiliser Git/GitHub pour organiser, versionner et documenter un projet logiciel collaboratif.
• Appliquer des bonnes pratiques de sobriété numérique : efficacité du code, choix d’outils, durabilité logicielle.

• Vincent BOUCHENY, Apprendre la Programmation Orientée Objet avec le langage Python, edition INI
• Pascal Roques, UML 2.5 par la pratique, Eyrolles
• Bertrand Meyer, Object-Oriented Software Construction, Prentice Hall
• Green IT, Guide de conception responsable de services numériques, INR.

• Mathématiques de base (intégrales, séries, probabilités).
• Python ou Matlab (manipulation de signaux simples).
• Module L2 signaux.
• Module L3 capteurs et acquisition de données
• Module L3 traitement du signal
• Module L3 statistiques et mathématiques numériques

• Chapitre 1 - Statistiques des signaux
  • Types de signaux : déterministes, aléatoires, stationnaires.
  • Moments statistiques : moyenne, variance, covariance.
  • Histogrammes et lois usuelles (bruit blanc, gaussien).
  • Autocorrélation, dépendance temporelle.
  • Analyse statistique de signaux réels (capteurs inertiels, audio).
• Chapitre 2 - Analyse temporelle et fréquentielle
  • Notion intuitive du contenu fréquentiel (sans TFD formelle).
  • Approfondissement de la FFT
  • Corrélation croisée : identifier un motif dans un signal.
  • Limites de l’analyse temporelle (non-stationarité).
• Chapitre 3 - Analyse temps-fréquence
  • STFT (Short Time Fourier Transform) : principe intuitif (fenêtre glissante), résolution temps vs fréquence
  • Spectrogramme : construction (STFT + module + densité), lecture et interprétation, effet de la fenêtre
  • Études de cas simples.
• Chapitre 4 - Traitements numériques simples et introduction au 2D : 
  • Traitements numériques 1D
    • Lissage simple : moyenne glissante, médiane (sans théorie filtrage).
    • Extraction d’événements : pente, amplitude, seuil adaptatif.
    • Détection de patterns simples : corrélation glissante.
  • Préparation à la 2D (passer du signal à l’image)
    • Concepts 2D analogues au 1D :
    • Convolution 2D (sans démonstration)
    • Filtres 2D simples (flou, moyenne)
    • Notion de gradient en 2D (Sobel, idée intuitive)
    • Notion de pixel, grille, intensité.
    • Du signal 2D vers l’image.

• Comprendre les notions fondamentales de signaux aléatoires et bruités.
• Exploiter les outils statistiques pour analyser un signal.
• Analyser les signaux en temps, en fréquence, et en temps-fréquence.
• Réaliser des traitements numériques simples.
• Préparer l’étudiant à la manipulation future des images 2D (vision/perception).

UE mutualisée avec le parcours M1 E3A FI PR679

• Extraire les caractéristiques statistiques d’un signal.
• Calculer l’autocorrélation et les moments statistiques et temporels d’ordre 1 et 2.
• Générer et interpréter un spectrogramme.
• Mettre en œuvre des méthodes de filtrage simple (1D) et des notions de base de filtrage 2D (masques)
• Analyser des signaux 2D et introduire des notions de traitement d’image (grille, convolution, gradient).

• Francis Cottet, « Traitement du signal », DUNOD, 2011
• Pierre Marry, Nelly Point et al. « Exercices corrigés de mathématiques du signal », 3ème édition, DUNOD, 2008.
• Michel Barret, Traitement statistique du signal, ELLIPSE, 2009
• Bernard Picinbono, Théorie des signaux et des systèmes avec problèmes résolus.

• Mathématiques et statistiques : algèbre linéaire, probabilités de base, analyse, logique.
• Programmation : notions de Python (ou équivalent), structures de données, fonctions, boucles.

1. Intelligent Agents
2. Problem Solving and Search
3. Knowledge Representation et Reasoning
4. Introduction to Machine Learning
5. Planning and Decision-Making
6. AI in Practice

• Compréhension des concepts fondamentaux
• Définir l’intelligence artificielle et ses principaux domaines.
• Identifier les paradigmes de représentation des connaissances.

UE mutualisée avec le parcours M1 E3A FI PR679

Machine Learning Yearning - Andrew Ng

• Notions de traitement du signal
• Bases en électronique et logique numérique.
• Introduction réseaux informatique.

1. Modulation et codage en bande de base : représentation de l’information (symboles, valence, débit binaire vs débit symbole, SNR, rapidité de modulation, et probabilité d’erreur), codage en bande de base, modulations numériques à porteuse unique (présentation unifiée de M-PSK et M-QAM, diagramme de l’œil, distance minimale entre symboles et robustesse au bruit)

2. Systèmes de communication mobiles: multiplexage (TDMA, FDMA, OFDMA), application aux réseaux cellulaires, allocation des ressources radio, architecture fonctionnelle (réseau GSM, LTE, 5G), chaîne physique et protocole de communication

3. Communications ad-hoc et mobiles distribuées: principe des réseaux ad-hoc (MANET, VANET), introduction aux communications véhiculaires (C-V2X, 802.11p)

• Comprendre les structures fondamentales d’une chaîne de transmission numérique dans un contexte mobile.
• Identifier l’impact des choix de modulation et de codage sur les performances physiques (SNR, BER, débit).
• Comprendre les techniques de multiplexage adaptées aux réseaux modernes (OFDM, LTE, 5G).
• Comprendre les principes de communication directe entre systèmes mobiles (réseaux ad-hoc, V2X).

UE mutualisée avec le parcours M1 E3A FI PR679

À l’issue du module, l’étudiant sera capable de :

• Analyser les performances d’une chaîne de transmission numérique (qualité de lien, diagramme de l’œil, bruit).
• Expliquer et implémenter les modulations M-PSK, M-QAM, et leur relation au débit et à la robustesse.
• Décrire les principes du multiplexage temporel et fréquentiel dans les réseaux cellulaires (LTE/5G).
• Interpréter le fonctionnement d’un lien de communication sans infrastructure (802.11p, C-V2X).

• Roger-L Freeman, Telecommunications Transmission Handbook, Willey
• Afif Osseiran, 5G Mobile and Wireless Communications Technology. Cambridge University Press.
• Andreas Molisch, Wireless Communications. Wiley.
• Stephan Olariu, Vehicular Networks From Theory to Practice, CRC Press

•  Niveau Licence : notions de physique, traitement de signal, capteur, signaux et systèmes, Informatique industrielle
• Bases en électronique analogique et numérique.

1. Introduction: exigences et contraintes normatives (ISO 26262, ARP4754A, ARP4761)
2. Capteurs spécifiques: pression de frein, vitesse de roue, accéléromètres et gyroscopes (IMU), capteurs de position angulaire et linéaire, capteurs de pression hydraulique
3. Actionneurs typiques : systèmes hydrauliques de freinage avec modulateur (ABS, ESP), freinage électro-hydraulique et actionneur à récupération (RBA, SBA), gestion de l’énergie (actionneurs électriques dans les VE/HEV), actionneurs hydrauliques/électriques pour gouvernes, systèmes de freinage avion
4. Chaîne de communication embarquée: Bus CAN (structure, trames, ID, arbitrage), contraintes (délai, synchronisation des trames, trigger, horodatage)
5. Filtrage numérique: FIR/ IIR, filtre complémentaire et fusion rapide accéléromètre/gyroscope, estimation de l’attitude, introduction au filtre de Kalman et fusion accélérations linéaires et vitesses angulaires

• Comprendre les exigences spécifiques de l’instrumentation automobile et aéronautique.
• Identifier les capteurs et leur rôle dans les boucles de commande.
• Savoir expliquer la fonction et la finalité des actionneurs typiques en lien avec les applications de freinage, de gouvernes et de gestion énergétique.
• Savoir décrire la chaîne capteur - bus - calculateur - actionneur, en mettant en évidence ses contraintes (délais, synchronisation, sûreté de fonctionnement).
• Introduire les techniques de traitement numérique des signaux et les méthodes de fusion de capteurs pour la reconstruction d’états physiques.

UE mutualisée avec le parcours M1 E3A FI PR679

À l’issue du module, l’étudiant sera capable de :

• Sélectionner les capteurs appropriés à une fonction embarquée (freinage, contrôle d’assiette, gestion moteur).
• Décrire et modéliser une chaîne complète capteur-bus-calculateur-actionneur.
• Prendre en compte les contraintes de synchronisation, d’échantillonnage et de sûreté dans une architecture d’instrumentation.
• Implémenter des filtres numériques pour le traitement de signaux capteurs (ex. filtre passe-bas, filtre de Kalman, filtre complémentaire).
• Concevoir une stratégie de fusion multi-capteurs adaptée à une estimation d’état (orientation, vitesse, position, etc.).

• Handbook of Modern Sensors: Physics, Designs, and Applications, Springer.
• D.Alazard, Introduction au filtre de Kalman, ISAE
• Steven W. Smith, The Scientist and Engineer's Guide to Digital Signal Processing, California Technical Publishing

• Bases en réseaux (niveau L3 ou équivalent).
• Connaissances en informatique industrielle.
• Notions de robotique mobile (architecture fonctionnelle, capteurs, actionneurs).

1. Connectivité industrielle et réseaux de terrain
   1. Panorama des bus industriels (CAN, CANopen, Modbus RTU, Modbus TCP).
   2. Adressage, trame, topologies, délais, tolérance aux fautes.
   3. Protocoles TCP/UDP dans un contexte temps-réel souple
   4. Étude du bus de confort via la plateforme CAN Training Panel Lighting, analyse des trames échangées entre calculateurs d’éclairage, diagnostic de pannes, et observation du comportement fonctionnel en réponse aux commandes CAN.
2. Protocoles IP orientés IoT industriel
   • MQTT, CoAP, HTTP pour les systèmes légers.
   • Modèles publish/subscribe et client/serveur.
3. Intégration robotique via ROS
   • Architecture distribuée ROS : nœuds, topics, services.
   • Synchronisation des capteurs, traitements et contrôleurs,
   • Cas robot : Rosbot ou ROSMASTER avec LiDAR, caméra de profondeur, IMU,
   • Cas drone : Pixhawk + MAVROS + Gazebo + STIL / QGroundControl

• Comprendre les architectures de communication distribuée (Maître/Esclave, Publish/Subscribe) dans un contexte d’automatisation ou de robotique mobile.
• Comprendre les mécanismes d’échange de données sur bus industriels TCP/IP (Modbus TCP, MQTT, Sockets) et bus temps réel (CAN).
• Assimiler les principes de l’Internet Industriel des Objets (I-IoT) appliqués à l’acquisition, l’agrégation et la supervision de données.
• Comprendre l’intégration logicielle de robots via un framework de communication unifié (ROS).

• Configurer une communication entre équipements industriels (capteur, actionneur, automate) en utilisant Socket Messaging, Modbus TCP ou CAN.
• Établir un échange de données structuré via sockets ou protocoles orientés message (MQTT, Publish/Subscribe).
• Mettre en œuvre une architecture de supervision locale ou cloud avec des protocoles I-IoT.
• Déployer un système ROS distribué sur un robot réel en interaction avec des capteurs (Lidar, caméra) et une stratégie de communication.

• M. Quigley et al., Programming Robots with ROS, O'Reilly.
• Dominique Paret, le Bus Can – applications, Dunod

• Mathématiques
• Algèbre linéaire : matrices, vecteurs, opérations matricielles, systèmes linéaires
• Analyse : dérivées, intégrales, fonctions de plusieurs variables
• Probabilités et statistiques de base : variables aléatoires, distributions, moyenne, variance
• Notions élémentaires de calcul différentiel pour les équations différentielles
• Informatique et programmation
• Notions de programmation en Python, MATLAB ou équivalent
• Structures de données de base : tableaux, listes, dictionnaires
• Boucles, conditions, fonctions
• Lecture/écriture de fichiers et manipulation de données

• Fondements mathématiques pour les données et l’ingénierie
• Algèbre linéaire pour l’analyse de données
• Probabilités et statistiques
• Bases de l’optimisation
• Équations différentielles pour la modélisation de systèmes
• Acquisition de données et capteurs
• Types de capteurs utilisés dans les systèmes d’ingénierie
• Chaînes d’acquisition de données, échantillonnage, modèles de bruit
• Prétraitement des signaux : filtrage, lissage, débruitage
• Représentation et traitement des données
• Types de données : signaux, images, séries temporelles, données tabulaires
• Extraction de caractéristiques pour les données d’ingénierie
• Réduction de dimension : ACP (PCA) et variantes
• Normalisation, encodage et transformations
• Introduction à la science des données et au Machine Learning
• Apprentissage supervisé vs non supervisé
• Algorithmes de base : régression linéaire, régression logistique, k-plus proches voisins (kNN)
• Clustering et ACP
• Mesures de performance et techniques d’évaluation

Introduction à la science des données et au machine learning

UE mutualisée avec le parcours M1 E3A FI PR679

• Data-Driven Science and Engineering Machine Learning, Dynamical Systems, and Control
• Machine Learning, Optimization, and Data Science

• Modélisation et analyse de système linéaire: système dynamique linéaire continu/discret, Systèmes MIMO/SISO, système échantillonné, équations récurrente, espace d'état, fonction de transfert (en p et Z)
• Modélisation des systèmes linéaires incertains : Représentation par intervalles, modèles polytopiques
• Équations d'état pour les systèmes physiques, analyse de stabilité
• Commande par retour d'état : placement de pôles
• Estimation d'état : synthèse d'observateur linéaire, observateur PI, observateur à entrées inconnues
• Commande par retour de sortie
• Applications

UE mutualisée avec PR679

• Commande des systèmes. Performance et robustesse. H. Bourlès, H.Guillard, Ellipses, 2012.
• Commande et optimisation des processus. Pierre Borne, Jean-Pierre Richard. Technip
• Modelisation et identification des processus, tome 2, Pierre Borne (Sous la direction de). Technip

Mémoire finalisé

• Éléments clés d’une soutenance 
  Organisation du discours 
• Design des slides 
• Entraînement à l’expression orale

• Présenter et expliquer son travail,
• Structurer un propos simple,
• Gérer le temps de parole,
• Répondre à des questions de base.

Communication orale, synthèse, présentation de résultats, interaction avec un jury.

Journal d’activité ou notes régulières

• Structure d’un mémoire M1 
• Description d’une situation professionnelle 
• Mise en contexte 
• Démarche suivie 
• Résultats et apprentissages 
• Mise en forme

• Structurer un rapport professionnel,
• Décrire une mission technique simple,
• Synthétiser une méthode et des résultats,
• Adopter un style clair.

• Rédaction technique,
• Synthèse,
• Structuration,
• Communication écrite professionnelle.

Notions techniques de base du domaine étudié

• Lecture de consigne 
• Bonnes pratiques (versions, tests, documentation) 
• Interaction avec un superviseur 
• Mini-missions encadrées

• Comprendre une consigne technique,
• Apprendre à utiliser les outils de travail de l’entreprise,
• Réaliser des tâches simples,
• Documenter son travail,
• Collaborer avec un référent technique.

• Analyse de tâche,
• Usage des outils métier (Git, tickets, documentation),
• Rigueur,
• Démarche technique,
• Restitution claire.

Être en alternance.

• Principes de savoir-être en contexte industriel
• Posture et communication au quotidien 
• Règles implicites d’une équipe technique
• Reporting simple et échanges réguliers
• Gestion du temps et priorités 
• Attitude proactive

• Développer une posture professionnelle adaptée,
• Communiquer efficacement,
• S’intégrer à une équipe technique,
• Gérer son temps,
• Adopter les codes du travail en entreprise.

Communication professionnelle, travail d’équipe, autonomie, organisation, prise d’initiative.