Enseignement
Une décennie dans l'industrie m'a appris ce que les manuels ne peuvent pas enseigner : comment livrer. Aujourd'hui, avec l'IA rendant l'information brute instantanément accessible, la salle de classe doit passer de la transmission de réponses à la construction d'une pensée systémique, la capacité à cadrer un problème, définir des exigences et raisonner à travers une solution à partir des premiers principes. Le rôle de l'enseignant devient plus essentiel, pas moins : guider ce raisonnement, fournir un contexte que l'IA ne peut pas reproduire, et transformer les réponses superficielles en compréhension profonde. Mon enseignement apporte l'expérience de terrain dans cet environnement, où les étudiants apprennent à penser comme des ingénieurs, pas à chercher comme des utilisateurs.
Cours Proposés
Traitement du signal biomédical
Traitement et interprétation des signaux physiologiques (PPG, ECG, EEG) avec accent sur le filtrage, l'extraction de caractéristiques et les données réelles de capteurs.
Prérequis : Signaux et systèmes, programmation de base (Python)
Traitement d'images et vidéos biomédicales
Amélioration d'images, segmentation et analyse vidéo pour applications biomédicales, y compris la mesure physiologique par caméra.
Prérequis : Traitement numérique du signal, notions de base en traitement d'images
Imagerie computationnelle pour la détection physiologique
Utilisation de caméras standards comme capteurs computationnels pour extraire des informations physiologiques invisibles, rPPG, analyse de forme d'onde de pouls et estimation à distance des signes vitaux.
Prérequis : Traitement du signal biomédical ou équivalent
Systèmes embarqués & IoT pour dispositifs portables
Conception et prototypage de moniteurs de santé portables : intégration de capteurs, micrologiciel embarqué, pipelines de données sans fil et gestion de l'alimentation.
Prérequis : Expérience de base en systèmes embarqués ou microcontrôleurs
Signaux et systèmes
Fondements de l'analyse des signaux continus et discrets : Fourier, Laplace, convolution, filtrage et réponse des systèmes.
Prérequis : Calcul différentiel et intégral, algèbre linéaire
Introduction au traitement numérique du signal
Échantillonnage, quantification, TFD, conception de filtres numériques et implémentation pratique d'algorithmes de traitement du signal.
Prérequis : Signaux et systèmes
Introduction aux biocapteurs
Principes de la détection physiologique : transducteurs optiques, électriques et mécaniques pour la mesure biomédicale, de la théorie à l'acquisition du signal.
Prérequis : Physique de base, électronique d'introduction
Stages & Projets de Fin d'Études
Je supervise des stages de recherche et des projets de fin d'études (Licence, Master) dans les domaines du traitement du signal, de l'IA appliquée à la santé, et du développement full-stack pour les plateformes de biosensing. Si vous êtes intéressé, contactez-moi. Vous pouvez également proposer votre propre sujet, je suis ouvert aux idées qui croisent le traitement du signal, le biosensing, ou l'IA appliquée à la santé.
Pistes de projets
Traitement du signal & biosensing portable
- Évaluation de la qualité du signal PPG/rPPG en temps réel et détection d'artefacts sous mouvement
- Pipelines de filtrage adaptatif pour le débruitage ECG/PPG portable (LMS, RLS, variantes de Kalman)
- Extraction de caractéristiques HRV déployable sur edge (Raspberry Pi / Jetson)
- Détection optique multi-longueurs d'onde pour l'estimation de SpO₂ à partir de signaux en mode réflectance
Full-stack & plateformes de biosensing
- Construction d'une API de streaming de biosignaux en temps réel (FastAPI + WebSocket) avec visualisation dashboard (React/Vue)
- Conception d'un système d'information de laboratoire pour la gestion d'expériences de biosignaux (sujet, session, dispositif, annotation)
- Pipeline de déploiement conteneurisé (Docker + CI/CD) pour microservices de traitement de biosignaux
IA agentique pour le biomonitoring
- Système RAG propulsé par LLM pour la synthèse de littérature biomédicale et la génération d'hypothèses à partir de datasets physiologiques
- Framework multi-agent pour la rédaction automatisée de rapports physiologiques à partir d'enregistrements bruts de biosignaux
- Agent conversationnel pour l'exploration de données de santé patient et la génération d'insights
Recherche exploratoire
- Étude de la restauration morphologique des ondes PPG par modèles génératifs profonds (VAE, GAN, diffusion)
- Apprentissage par transfert cross-domaine pour la représentation de signaux physiologiques à travers capteurs optiques, électriques et mécaniques
- Approches d'apprentissage fédéré pour l'entraînement de modèles physiologiques préservant la confidentialité entre institutions
- IA explicable (XAI) pour la prédiction du risque cardiovasculaire à partir de données photopléthysmographiques portables