Contexte et objectifs :

• Développer un modèle de détection d’objets (climatisation, réfrigérateur, ordinateur) intégré dans une solution complète mobile + backend.
• Concevoir une chaîne complète : entraînement IA, API REST, application Flutter, automatisation via n8n et déploiement Docker.

Tâches principales :

• Collecte et annotation de données (LabelImg / Roboflow) et préparation du dataset pour entraînement (augmentation, validation, test).
• Concevoir et entraîner un modèle YOLOv8 ou Faster-R-CNN (PyTorch / TensorFlow) adapté à la détection des équipements ciblés.
• Développer une API REST pour l’inférence et la gestion des résultats (suggestions : FastAPI / Flask) et assurer la communication avec l’application mobile.
• Développer une application mobile Flutter (Android / iOS) pour la capture/sélection d’images, envoi au serveur et affichage des résultats de détection en quasi temps réel.
• Intégrer n8n pour automatiser les workflows : notifications, sauvegarde des résultats en base, génération de rapports et envoi d’e-mails.
• Packager et déployer la solution (API + modèle IA + n8n) avec Docker (Docker Compose) et valider la communication entre les composants et l’app mobile.

Compétences et outils requis :

• IA / Deep Learning : expérience avec YOLOv8 ou Faster-R-CNN, PyTorch ou TensorFlow, et bonnes pratiques d’entraînement et d’évaluation (mAP, IoU).
• Traitement d’image : OpenCV pour pré-/post-processing, outils d’annotation comme LabelImg ou Roboflow.
• Backend & API : création d’API REST (FastAPI/Flask), gestion d’authentification minimale si nécessaire, tests d’intégration.
• Mobile : Flutter pour le développement multiplateforme, intégration d’API REST, affichage des résultats (boîtes englobantes, scores).
• Automatisation & déploiement : connaissance de n8n pour création de workflows automatisés, Docker/Docker-Compose pour déploiement, et bases de données légères (SQLite) ou Firebase pour stockage.

Livrables attendus & critères de réussite :

• Modèle entraîné et exporté (format compatible inference) avec rapport d’évaluation (métriques, jeux de tests et courbes).
• API REST opérationnelle exposant les endpoints d’inférence et gestion des résultats, avec documentation minimale (endpoints, payloads).
• Application Flutter fonctionnelle permettant capture/sélection d’images, envoi au serveur et affichage clair des résultats de détection.
• Workflows n8n configurés pour notifications, stockage et génération de rapports automatisés.
• Déploiement Docker (compose) permettant de lancer l’API, le service d’inférence et n8n, avec instructions de démarrage et scripts de test.

Modalités de candidature :

• Durée du stage : 4-6 mois. Nombre de stagiaires recherchés : 2.
• Pour postuler, envoyer CV et lettre de motivation à l’adresse suivante : stages@sfmtechnologies.com en précisant dans l’objet : "Candidature SUJET 7 - Détection d’équipements par IA".
• Contact candidature (plain) : stages@sfmtechnologies.com.