Contexte et objectif du projet

• Développer un outil de diagnostic avancé pour la gestion en temps réel des trames CAN sur véhicules électriques et hybrides.
• L'objectif est de fournir une interface intuitive permettant la lecture, l'analyse, la visualisation et l'export des sessions CAN, avec détection d'anomalies assistée par IA.

Fonctionnalités attendues

• Lecture des trames CAN en temps réel et depuis des fichiers logs.
• Décodage dynamique via des fichiers JSON personnalisables selon le véhicule (mapping des signaux CAN).
• Détection d'anomalies : détection de trames manquantes, comportements inhabituels et variations anormales à l'aide de méthodes d'IA/ML.
• Visualisation graphique des données : filtres, recherche, courbes temporelles et tableaux de données.
• Export des sessions au format CSV ou PDF pour rapport et analyse off-line.

Profil recherché

• Ingénieur ou Technicien ; 2 stagiaires à recruter : (1) Systèmes Embarqués et (1) Data & IA.
• Intérêt pour systèmes automobiles, CAN bus, télédiagnostic et traitement de données temps réel.

Compétences techniques & outils

• Langages et librairies : Python, python-can, pandas, matplotlib, scikit-learn.
• Interface et prototypage : Streamlit pour l'UI/visualisation.
• Matériel et protocoles : ESP32, OBD-II pour acquisition physique des trames CAN.
• Compétences attendues : ingénierie des données temps réel, prétraitement de signaux CAN, implémentation d'algorithmes de détection d'anomalies, packaging et export des données.

Livrables attendus & modalités

• Livrables : code source (repo), interface Streamlit fonctionnelle, scripts d'acquisition via python-can/ESP32, modèle(s) ou pipeline(s) de détection d'anomalies, documentation d'utilisation, exemples d'exports CSV/PDF.
• Durée : 6 mois (4-6 months).
• Pour postuler, envoyer votre candidature par email à stagetunisie.tn@capgemini.com en précisant l'objet indiqué ci‑dessous.