Software Internships
|
Company
|
DELTATEC |
|
Location
|
Ans |
|
Pubication Date
|
25 Feb 2026 |
Software Stage / TFE #1 – Optimisation du pipeline vidéo/AI et accélération GPU sur plateforme Nvidia Jetson
Titre : « Optimisation du pipeline vidéo/AI et accélération GPU sur plateforme Nvidia Jetson»
Cible : Sciences Informatiques / Bachelier, Master, Ingénieur en Informatique / Electronique
Type du travail :
- Recherche et innovation 0/3
- Analyse de l’état de l’art 1/3
- Mise en œuvre pratique 3/3
Référent : Christophe Seyler / Jean-Christophe Lallemand
Centre de compétence interne: Embedded / PC System
Description du travail :
DELTATEC dispose actuellement d’une plateforme embarquée basée sur Nvidia Jetson, intégrant un réseau de neurones pour le traitement de flux vidéo.
Dans sa version actuelle, le pipeline de données peut être optimisé afin d’exploiter plus efficacement les ressources matérielles du device (GPU, unités d’encodage/décodage hardware, accélérateurs dédiés).
L’objectif du stage est d’améliorer et d’optimiser le data path complet, depuis la capture des données issues d’un capteur jusqu’au streaming vidéo encodé.
Le travail consistera à :
- Maîtriser le flux de données provenant d’un capteur vidéo.
- Acheminer efficacement ces données vers les ressources GPU.
- Implémenter des étapes de pré-processing GPU avant l’inférence du réseau de neurones.
- Optimiser l’intégration avec le réseau de neurones existant.
- Implémenter des overlays graphiques (annotations, bounding boxes, informations contextuelles) en exploitant les capacités GPU.
- Exploiter les accélérations matérielles pour l’encodage / décodage vidéo hardware.
- Mettre en place un pipeline optimisé permettant un streaming vidéo encodé en temps réel.
Un objectif clé sera de minimiser les copies mémoire inutiles et de maximiser l’utilisation des accélérations matérielles disponibles sur la plateforme.
Technologies mises en œuvre :
- Nvidia Jetson (architecture embarquée)
- GStreamer (construction et optimisation de pipelines multimédia)
- SDK Nvidia (CUDA, éventuellement TensorRT, NVENC/NVDEC)
- Programmation GPU (CUDA / shaders)
- Traitement vidéo temps réel
- Linux embarqué
Prérequis obligatoires
- Très bonne maîtrise du C et C++
- Bonnes connaissances de Linux (environnement, debugging, compilation, outils système)
Atouts appréciés
- Connaissance du Linux embarqué
- Expérience avec GStreamer
- Programmation de shaders via OpenGL
- Notions de programmation GPU (CUDA)
- Intérêt pour le traitement d’image et l’IA embarquée
Compétences développées
- Conception et optimisation de pipelines vidéo temps réel
- Exploitation avancée des ressources GPU embarquées
- Intégration IA sur plateforme contrainte
- Optimisation mémoire et performance système
- Maîtrise complète d’une chaîne vidéo : du capteur au streaming encodé
Software Stage / TFE #2 – Accelerated Multimedia Encoding
Titre: « Réalisation d’un prototype permettant d’encoder en temps réel un flux multimédia sur GPU »
Cible : Sciences Informatiques / Bachelier, Master, Ingénieur en Informatique
Type du travail :
- Recherche et innovation 0/3
- Analyse de l’état de l’art 1/3
- Mise en œuvre pratique 3/3
Référents: Jérôme Bayaux / Stéphane Witryk
Centre de compétence internes: Compression
Description du travail:
Dans un premier temps, le stagiaire devra faire une étude des codecs, de l’encodeur, de leurs paramètres et de leur implication sur la qualité, la charge et la bande passante.
Ensuite, le stagiaire réalisera un prototype mettant en œuvre tous les composants logiciels permettant l’encodage de signaux multimédias. Les étapes de la chaine comportent :
- L’encodage de l’essence vidéo du flux multimédia à transmettre en utilisant des technologies permettant l’accélération matérielle (H.264/H.265 sur GPU : NVENC/NVDEC…).
- L’encodage de l’essence audio du flux multimédia.
- Le multiplexage des 2 essences.
L’objectif final étant une intégration dans une chaine temps réelle, une attention particulière sera portée à la compréhension des contraintes de l’encodeur, à la maîtrise des mouvements de données (CPU/GPU), ainsi que des notions de multithreading afin de garantir une gestion efficace et performante des flux de données.
Software Stage / TFE #3 – Live and replay streaming
Titre: « Réalisation d’un prototype permettant de capturer, traiter, enregistrer et streamer un flux vidéo »
Cible : Sciences Informatiques / Bachelier, Master, Ingénieur en Informatique
Type du travail :
- Recherche et innovation 0/3
- Analyse de l’état de l’art 1/3
- Mise en œuvre pratique 3/3
Référents: Yohann Vanfrachem
Centre de compétence internes: Cloud, Streaming, Web
Description du travail:
Le but du stage est de concevoir un système capable de traiter, superviser et historiser des flux vidéo issus de lignes de production, tout en réduisant de manière significative la complexité opérationnelle et les coûts Cloud.
A cette fin, la solution à mettre en œuvre sera construite autour d’un principe central : traiter au maximum les données en local, ne transférer vers le Cloud que ce qui est nécessaire, et utiliser des technologies standardisées permettant un contrôle précis, un replay fluide et une intégration transparente des métadonnées issues des modèles IA. L’ensemble repose sur une architecture unifiée basée sur MPEG DASH pour le live et le replay.
Le système permettra à un opérateur, depuis une interface web hébergée dans le Cloud, de consulter un flux live légèrement différé, de naviguer dans le passé grâce à une timeline seekable, et d’accéder aux informations générées par le traitement (détections, labels, statistiques) intégrées directement dans les flux vidéo et les archives. Les vidéos complètes et leurs métadonnées sont conservées dans des fichiers MKV multipistes, synchronisés en Cloud uniquement pour l’archivage à long terme selon une politique maîtrisée.
Software Stage / TFE #4 – Multimedia Stream Receiver and Decoder App for Android/iOS
Titre: « Développement d'une application de réception et décodage de flux multimédia sur tablette ou smartphone (Android/iOS) »
Cible : Sciences Informatiques / Bachelier, Master
Type du travail :
- Recherche et innovation 1/3
- Analyse de l’état de l’art 1/3
- Mise en œuvre pratique 3/3
Référents: Yohann Vanfrachem
Centre de compétence interne : Multimédia Streaming / Web
Description du travail:
L'objectif de ce stage est de développer une application mobile fonctionnant sur tablette ou smartphone (Android ou iOS, priorité à Android) capable de recevoir un flux multimédia via un protocole standard sur IP (via le Wifi du périphérique), de décoder le contenu (H.264 ou HEVC) et d'afficher le résultat en temps réel dans l'application.
Détails du projet :
- Réception du flux multimédia : Utilisation de protocoles standards sur IP pour recevoir le flux (typiquement RTSP, RTP, SRT).
- Décodage du contenu : Le flux vidéo, encodé en H.264 ou HEVC, sera décodé en utilisant un framework adapté à la plateforme mobile. Le travail inclut une recherche des frameworks possibles et la sélection d’un d’entre eux (MediaCodec, ExoPlayer, FFmpeg, AVFoundation, VideoToolbox…).
- Affichage du résultat : développement d’une interface graphique en utilisant une approche hybride : l'application embarquera une page web pour l'affichage du flux décodé et les interactions utilisateur. Le travail inclut une recherche des frameworks possibles et la sélection d’un d’entre eux (Flutter, React native…).
- Développement de la page web avec des technologies web modernes : HTML, CSS, JavaScript, éventuellement en utilisant des frameworks front-end comme React, Vue.js ou Angular.
- Mise à disposition de l’application développée sur le store officiel de la plateforme mobile.
Software Stage / TFE #6 - Docker swarm / Kubernetes / Nomad
Titre : « Etude et comparaison d’outils d’orchestration de conteneurs »
Cible : Bachelier Sciences Informatique / Master Ingénieur Industriel Informatique
Type du travail :
- Recherche et innovation 0/3
- Analyse de l’état de l’art 2/3
- Mise en œuvre pratique 3/3
Référent : Benoît Willems
Centre de compétence interne : IT Application
Description du travail :
L’utilisation et le déploiement de services informatiques à travers des conteneurs Docker sont aujourd’hui largement répandus, à tel point que Docker est désormais un élément incontournable d’une infrastructure informatique.
DELTATEC, en tant que société de développement de solutions électroniques et informatiques à très haute-fidélité, n’échappe pas à la règle.
DELTATEC possède non seulement son propre service IT, mais également un service de développement d’outils internes ; ces 2 services collaborent étroitement pour mettre à disposition des ingénieurs de la société une infrastructure moderne et fiable pour supporter l’ensemble des travaux d’ingénierie qui se répartissent sur 3 Business Units et autant de laboratoires.
DELTATEC souhaite étendre son niveau de service interne, actuellement majoritairement basé sur un cluster redondant de machines virtuelles, en proposant un service similaire à base de conteneurs Docker.
Le travail attendu consistera en :
- Une analyse et une comparaison des outils d’orchestration de conteneurs Docker (citons par exemple Kubernetes, Swarm et Nomad) sur de nombreux aspects : mise en œuvre, praticité, flexibilité, maintenance, consommation, fiabilité, …
- Une analyse et la compréhension des services virtualisés et contenerisés fonctionnant chez DELTATEC.
- L’établissement d’une proposition cohérente de mise en œuvre d’un nouveau service fiable d’hébergement de conteneurs et de migration de services de l’infrastructure existante vers ce nouveau service.
- La réalisation d’un (ou plusieurs si nécessaire) proof-of-concept en laboratoire.
Software Stage / TFE #7 – Enhance multimedia tooling
Titre: « Amélioration des outils d’analyse et de tests de contenu multimédia »
Cible : Sciences Informatiques / Bachelier, Master
Type du travail :
- Recherche et innovation 0/3
- Analyse de l’état de l’art 1/3
- Mise en œuvre pratique 3/3
Référents: Jérôme Bayaux / Stéphane Witryk
Centre de compétence internes: Compression
Description du travail:
Dans le contexte de nos produits d’habillage graphique, les contenus multimédias sont nombreux. En particulier, le décodage et le rendu de vidéos sont des tâches omniprésentes qui peuvent s’avérer complexes au vu du nombre élevé de formats vidéo à supporter.
L’objectif du travail est avant tout d’améliorer nos capacités d’analyse pour mieux appréhender le résultat obtenu lors du décodage et du rendu d’une vidéo donnée.
Le travail consiste en la réalisation d’une application comportant une interface graphique (GUI). Celle-ci reposera sur des librairies/outils indépendants (ex : libavcodec, ffmpeg, ffprobe…) pour analyser les vidéos qui lui seront données en entrée. L’application sera capable d’effectuer les actions suivantes sur les vidéos reçues :
- Affichage de métriques « génériques » (résolution, colorimétrie, codec, packing, fonctions de transferts, débit disque nécessaire pour la lecture…).
- Affichage de métriques spécifiques à Deltacast : par exemple, détecter si le décodage vidéo ou la conversion de pixels sur GPU sont supportés ou non. Ou encore l’analyse des « presentation timestamp » (PTS) pour vérifier s’ils sont continus ou non par exemple.
- Génération d’un rapport d’analyse dans un format textuel pouvant être utilisé dans des issues Gitlab.
- Objectif secondaire à investiguer : remuxage simple pour réaligner les essences vidéo/audio ou même les PTS.
Si le temps le permet, la génération (et l’automatisation) des tests du module interne de décodage vidéo pourraient également être inclus comme objectif supplémentaire du travail.
Software Stage / TFE #8 – Edge Device Vision AI
Titre: « Devéloppement d’un prototype d’appareil de contrôle de processus industriel à base de vision »
Cible : Sciences Informatiques / Bachelier, Master
Type du travail :
- Recherche et innovation 1/3
- Analyse de l’état de l’art 1/3
- Mise en œuvre pratique 3/3
Référents:
Centre de compétence internes: Embedded / AI
Description du travail:
Ce travail de fin d’études s’inscrit dans le cadre du développement d’un prototype d’appareil destiné à l’évaluation de la qualité d’un procédé industriel dans le domaine de la fabrication du verre.
L’objectif principal du stage consiste au développement d’un edge device intégrant des capacités de vision par intelligence artificielle (Vision AI). Le système repose sur la capture stéréoscopique de deux images d’une plaque de verre à une étape spécifique du processus de production. Ces images sont ensuite analysées par un réseau de neurones préexistant, chargé de détecter et d’identifier des caractéristiques (features) pertinentes pour l’évaluation de la qualité.
Le travail réalisé comprend :
- L’analyse des besoins techniques et fonctionnels du système ;
- La définition et la sélection d’une plateforme matérielle adaptée, basée sur des composants off-the-shelf ;
- L’intégration des éléments matériels (caméras, unité de calcul, interfaces, alimentation, etc.) ;
- Le développement des mécanismes de démarrage et d’initialisation de la plateforme ;
- La mise en œuvre de l’acquisition stéréoscopique des images ;
- L’implémentation du flux de transmission des images vers le réseau de neurones existant ;
- La réalisation d’un prototype fonctionnel validant l’architecture proposée.
Ce projet combine des compétences en vision industrielle, intelligence artificielle embarquée, intégration matérielle et développement logiciel bas niveau, dans un contexte industriel réel. L’objectif final est de démontrer la faisabilité technique d’un dispositif autonome capable d’exécuter localement des traitements d’analyse d’images pour le contrôle qualité.
Prérequis
- Connaissance, même partielle, de plateformes embarquées de type Raspberry Pi ou équivalent ;
- Bases en programmation en C et C++ ;
- Connaissances en Python ;
- Intérêt pour les systèmes embarqués, la vision industrielle et l’intelligence artificielle.
Software Stage #9 – Estimation de pose
Titre: « État de l’art et implémentation des méthodes de Human Pose Estimation 2D/3D »
Cible : Ingénieur Civil ou Industriel en Informatique axé IA
Type du travail :
- Recherche et innovation 1/3
- Analyse de l’état de l’art 3/3
- Mise en œuvre pratique 2/3
Référents:
Centre de compétence internes: AI
Description du travail:
La Human Pose Estimation (HPE) est un domaine central en vision par ordinateur, avec des applications en robotique, sport, santé, animation, réalité augmentée et interaction homme-machine. Les progrès récents en deep learning ont permis l’émergence de méthodes très performantes, tant en 2D (VitPose, …) qu’en 3D (SAM3D, …). Cependant, ces méthodes présentent des compromis variés en termes de précision, coût mémoire (VRAM), temps d’inférence, facilité de fine-tuning et portabilité vers des plateformes « consumer » (GPU grand public). L’objectif de ce stage est de réaliser une analyse approfondie et comparative des méthodes SOTA en Human Pose Estimation, à la fois sur le plan théorique et pratique. Le stage s’articule autour de quatre axes principaux :
- Revue bibliographique des principales méthodes SOTA de pose 2D et 3D
- Implémentation des méthodes les plus prometteuses sous forme de Proof Of Concept dans un framework standard (PyTorch, Tensorflow)
- Évaluation comparative des méthodes en termes de précision, performance système et facilité d’exploitation
- Si le temps le permet, optimisation et déploiement de la meilleure solution vers la plateforme cible via ONNX et TensorRT
Software Stage #10 - Robot Framework
Titre: Amélioration de la traçabilité et de la lisibilité des tests automatisés avec Robot Framework»
Cible : Ingénieur Civil ou Industriel en Informatique axé IA
Type du travail :
- Recherche et innovation 1/3
- Analyse de l’état de l’art 2/3
- Mise en œuvre pratique 3/3
Référents: Charles FERIR
Centre de compétence internes: Banc de Test, Python
Contexte
Les projets développés chez DELTATEC sont systématiquement accompagnés de plans de tests décrivant les procédures de validation des systèmes développés.
Dans la majorité des cas, ces tests sont automatisés et implémentés en Python, afin de faciliter leur exécution sur des bancs de tests et d’améliorer la reproductibilité des campagnes de validation.
Cependant, plusieurs difficultés apparaissent dans cette approche :
- Au fil du temps, l’implémentation des tests peut s’écarter de la procédure décrite dans le plan de test, ce qui rend plus difficile le maintien de la cohérence entre la documentation et les scripts de tests.
- La lisibilité des scripts Python peut varier fortement selon l’audience :
- les développeurs sont généralement à l’aise avec ce type de scripts,
- mais les reviewers ou les ingénieurs système ne disposent pas toujours du même niveau de maîtrise du langage.
Cela peut compliquer la revue des tests et la vérification de leur conformité avec les procédures de validation.
Une des pistes envisagées pour améliorer ces aspects est l’utilisation du framework d’automatisation de tests Robot Framework, qui propose une approche plus déclarative et orientée mots-clés, facilitant la lisibilité et la maintenance des tests.
Objectifs du stage
Le stage vise à évaluer l’intérêt et la pertinence de Robot Framework pour la mise en œuvre de tests automatisés dans les projets DELTATEC.
Le travail consistera notamment à :
- Prendre en main Robot Framework et ses principes d’utilisation.
- Étudier son intégration dans l’écosystème de tests existant.
- Expérimenter l’implémentation de tests automatisés sur un banc de test simple déjà existant.
- Évaluer les possibilités de maintenir une meilleure cohérence entre la documentation des tests et leur implémentation, incluant les concepts de traçabilité d’exigence, ainsi que la génération de rapports de tests.
- Étudier les moyens permettant de générer ou maintenir automatiquement un plan de test à partir des scripts de tests.
- Développer des bibliothèques de mots-clés (test libraries) permettant d’interfacer Robot Framework avec les outils de test existants.
Technologies utilisées
- Python
- Robot Framework
- pytest
Prérequis
- Bonne maîtrise de Python
Compétences développées
- Conception et structuration de frameworks de test automatisés
- Amélioration de la traçabilité entre spécifications et validation
- Développement d’outils de test et d’automatisation
- Mise en place de bibliothèques de test réutilisables
- Intégration de solutions de test dans des environnements industriels