IoT Appliqué en

Électronique
Introduction à l'IoT en Électronique
L'Internet des Objets (IoT) désigne l'interconnexion de dispositifs électroniques physiques via Internet pour
collecter, échanger et agir sur des données. En électronique embarquée, l'IoT intègre des capteurs, des
microcontrôleurs et des modules de communication pour créer des systèmes intelligents, comme la
surveillance environnementale ou l'automatisation industrielle.
Historique rapide : L'IoT a émergé dans les années 1990 avec des concepts comme les "objets
ubiquitaires", mais a explosé avec l'avènement des microcontrôleurs low-cost (ex. Arduino, ESP32) et des
protocoles comme MQTT.
Applications en électronique : Dans les systèmes embarqués, l'IoT permet des dispositifs autonomes
avec traitement en temps réel, comme des capteurs sans fil pour l'agriculture intelligente ou des wearables
pour la santé.
 L’Internet des Objets est un réseau de réseaux qui permet, via des systèmes d’identification
électronique normalisés et unifiés, et des dispositifs mobiles sans fil, d’identifier directement et
sans ambiguïté des entités numériques et des objets physiques et ainsi de pouvoir récupérer,
stocker, transférer et traiter, sans discontinuité entre les mondes physiques et virtuels, les
données s’y rattachant.

Domaines applicatifs de l’IoT

Ville intelligente : circulation routière intelligente, transports intelligents, collecte des

déchets, cartographies diverses (bruit, énergie, etc.).
• Environnements intelligents : prédiction des séismes, détection d’incendies, qualité de
l’air, etc.
• Sécurité et gestion des urgences : radiations, attentats, explosions.
• Logistique : aller plus loin que les approches actuelles.
• Contrôle industriel : mesure, pronostic et prédiction des pannes, dépannage à distance.
• Santé : suivi des paramètres biologiques à distance.
• Agriculture intelligente, domotique, applications ludiques etc.
Pour cela, il convient de mettre en œuvre des moyens permettant à une grandeur physique de
renseigner un système informatique et, inversement, des moyens permettant à un système
informatique d’agir sur le monde physique (c’est-à-dire : changer son état).
2. Architecture des Systèmes IoT en Électronique
Une architecture IoT typique comprend :
•Couche de perception : Capteurs et actionneurs.
•Couche réseau : Communication (WiFi, Bluetooth, LoRa).
•Couche traitement : Microcontrôleurs ou edge computing.
•Couche application : Cloud pour stockage et analyse

Exemple de calcul : Pour estimer la bande passante requise, utilisez la loi de Shannon-Hartley :
C=B log2(1+S/N),
où C est la capacité (bits/s), B la bande passante (Hz), S/N le rapport signal-bruit.
Pour un capteur envoyant 100 octets toutes les 10 secondes via WiFi (B=20 MHz, SNR=20 dB),
calculez C ≈ 20e6 * log2(1+100) ≈ 133 Mbps (théorique), mais en pratique, limitez à des protocoles low-
bandwidth.
Pas à pas : Convertir SNR en linéaire (20 dB = 100), puis log2(101) ≈ 6.66, donc C = 20e6 * 6.66 ≈ 133
Mbps. Choisissez un module WiFi si >1 Mbps est needed.
 3. Composants Clés en IoT Électronique et Choix
3.1 Capteurs (Sensors)
Les capteurs convertissent des grandeurs physiques en signaux électriques. Exemples : température,
humidité, mouvement.
•Choix des composants : Considérez la précision, la consommation, la plage de mesure, l'interface
(analogique/digital, I2C/SPI).
•Pour un environnement humide, optez pour un capteur étanche. Budget : <5€ pour basique, >20€ pour
précis.
Exemple : DHT22 pour température/humidité. Précision : ±0.5°C, ±2% RH. Loi impliquée : Résistance
variable avec humidité (loi d'Ohm : R = V/I, où la résistance change avec l'humidité).
3.2 Actionneurs (Actuators)
Convertissent signaux électriques en actions physiques (moteurs, LEDs, valves).
•Choix : Puissance requise, vitesse, interface (PWM pour moteurs). Utilisez des drivers si
courant élevé (loi de Kirchhoff pour circuits : somme courants =0).
Exemple : Relais pour allumer une lampe. Calcul : Puissance P = V*I. Pour une lampe
220V/100W, I=100/220≈0.45A. Choisissez un relais >1A.
 3.3 Microcontrôleurs
Cerveau du système : Traitent données, contrôlent I/O.
•Choix : Fréquence CPU, mémoire, périphériques (ADC, WiFi intégré). Pour low-power, ESP32
vs Arduino (ESP32 : dual-core 240MHz, WiFi/BT, <1€/unité en bulk).

Exemple : ESP32. Consommation : 80mA en actif. Loi : Énergie E = Pt = VI*t.

3.4 Modules de Communication
WiFi, Bluetooth, LoRa pour connectivité.
•Choix : Portée (LoRa >10km), débit (WiFi >100Mbps), consommation. Pour
indoor, Bluetooth LE (low energy).
Exemple : ESP32 intègre WiFi. Calcul de portée : Loi de Friis : Pr/Pt =
(λ/4πd)^2 * Gt*Gr, où d est distance.
 4. Protocoles et Standards en IoT

MQTT, qui signifie Message Queuing Telemetry Transport, est un protocole de messagerie léger et efficace
utilisé pour la communication entre appareils. C'est un standard de publication-abonnement idéal pour
l'Internet des objets (IoT) et la communication machine-à-machine (M2M) grâce à sa faible bande passante
et sa faible consommation d'énergie.

Fonctionnement
•Broker
: Un serveur central, appelé « broker », reçoit tous les messages et les distribue aux clients intéressés.
•Clients
: Les appareils (capteurs, appareils IoT, etc.) se connectent au broker. Ils peuvent être des éditeurs (publishers)
qui envoient des messages, ou des abonnés (subscribers) qui reçoivent des messages.
•Topics
: Les messages sont envoyés vers des « topics » (sujets). Les clients qui sont abonnés à un topic spécifique
reçoivent les messages qui y sont publiés.
•Architecture
: Les clients ne communiquent pas directement entre eux, mais uniquement via le broker
5. Gestion de l'Énergie et Calculs

Critique pour embarqué : Batteries limitées.

•Lois : Loi de Joule (P = I^2 R) pour pertes.
•Calcul de consommation :
Moyenne = (I_actif * t_actif + I_sleep * t_sleep) / T.
Exemple : ESP32 actif 80mA/1s, sleep 10µA/59s, cycle 60s.
I_moy = (0.081 + 0.0000159)/60 ≈ 0.00133A.
Batterie 2000mAh dure ≈2000/1.33 ≈ 1500h.
La gestion de l’énergie dans les systèmes IoT est un enjeu majeur, car la plupart des dispositifs sont
alimentés par des batteries ou des sources limitées comme le solaire ou la récupération d’énergie
ambiante.

L’objectif est d’optimiser la consommation électrique pour prolonger l’autonomie tout en assurant le
fonctionnement fiable des capteurs, microcontrôleurs et modules de communication. Cette
optimisation repose sur le choix judicieux des composants à faible consommation, l’emploi de
modes veille (sleep, deep sleep), la gestion dynamique de la tension et de la fréquence (DVFS),
ainsi que sur des algorithmes de transmission efficaces (comme LoRa ou Zigbee) pour réduire le
temps d’activité radio.

Les calculs d’énergie se basent sur la loi de puissance 𝑃 = 𝑉 × 𝐼et la capacité de la batterie 𝐶,
𝐶×𝑉
permettant d’estimer l’autonomie 𝑇 = .Ainsi, une conception énergétique efficace permet
𝑃moyenne
de garantir la durabilité et la fiabilité d’un réseau IoT même dans des conditions énergétiques
contraignantes.
6. Sécurité en IoT Électronique

Risques : Hacking, data leak. Solutions : Encryption (AES), authentification (TLS), firmware updates.
Exemple : Utilisez MQTT over TLS. Calcul de overhead : TLS ajoute ~20% de données.

Qu’est-ce qu’une data leak ?

Une data leak, ou fuite de données, se produit lorsque des informations confidentielles, sensibles ou
protégées sont exposées à des individus non autorisés, que ce soit par consultation ou partage, en
l’absence d’autorisation. Une perte de données peut survenir sans qu’il y ait eu de cyberattaque.
Généralement, elle résulte de pratiques de sécurité des données inadaptées, ou encore d’actions ou
d’inactions accidentelles de la part d’individus.

L'AES, ou Advanced Encryption Standard,

est un algorithme de chiffrement par blocs symétrique, ce qui signifie qu'il utilise la même clé
secrète pour chiffrer et déchiffrer les données
•AES-128 : 10 tours
•AES-192 : 12 tours
•AES-256 : 14 tours,
Une clé de tour, dérivée de la clé principale, est utilisée
à chaque étape de chaque tour pour mélanger les
données
La sécurité en IoT vise à protéger les dispositifs et les données échangées contre les attaques et les accès
non autorisés. Elle repose sur trois niveaux : le matériel (chiffrement intégré, modules sécurisés), le logiciel
(authentification, gestion des clés, mises à jour sûres) et la communication (protocoles chiffrés comme TLS
ou DTLS). L’objectif est de garantir la confidentialité, l’intégrité et la disponibilité des systèmes connectés
en intégrant la sécurité dès la conception.

Exemple :
Dans un système IoT de surveillance agricole, chaque capteur de température envoie ses données vers une
passerelle via le protocole MQTT. Pour sécuriser la communication, on utilise MQTT sur TLS (MQTTS), ce
qui chiffre les données échangées afin d’éviter qu’un attaquant ne les intercepte ou ne les modifie.
Le microcontrôleur (par exemple un ESP32) intègre un module de chiffrement matériel AES pour protéger
les clés stockées. De plus, la mise à jour du firmware se fait par OTA sécurisée (Over The Air) à l’aide d’une
signature numérique vérifiée avant installation.
Ainsi, même si le réseau Wi-Fi est compromis, les données restent confidentielles et le système IoT
demeure protégé contre les intrusions.
 8. Traitement des Données et Analyse en IoT
Dans les systèmes IoT embarqués, le traitement des données implique la collecte, le filtrage, l'agrégation
et l'analyse pour extraire des perspectives utiles. Cela se fait souvent en edge pour réduire la latence, ou
dans le cloud pour des analyses complexes.
Fondements : Utilisez des algorithmes comme le filtrage Kalman pour réduire le bruit dans les données de
capteurs.
Loi impliquée : Théorie de l'information, avec l'entropie H = -∑ p_i log(p_i) pour mesurer l'incertitude des
données.

Exemple de calcul : Pour une série de données de température (ex. 25, 26, 24.5°C) .
calculez la moyenne μ = (25+26+24.5)/3 = 25.17°C,
et l'écart-type σ = √[( (25-25.17)^2 + (26-25.17)^2 + (24.5-25.17)^2 ) / 3] ≈ 0.62°C.
Si σ > seuil (ex. 1°C), déclenchez une alerte
Le traitement et l’analyse des données en IoT permettent de transformer les mesures des capteurs en
informations utiles pour la prise de décision. Les données sont d’abord prétraitées localement (nettoyage,
filtrage, compression) puis analysées dans le cloud ou sur des serveurs pour extraire des tendances,
détecter des anomalies ou prédire des comportements à l’aide d’algorithmes d’IA.

Points clés :
•Collecte : acquisition des données via capteurs.
•Prétraitement local (Edge Computing) : filtrage, agrégation, réduction du volume.
•Transmission sécurisée vers le cloud ou un serveur.
•Analyse : statistiques, IA, apprentissage automatique.
•Visualisation : tableaux de bord, graphiques, alertes.
•Application : maintenance prédictive, optimisation énergétique, automatisation.
9. Intégration avec l'IA et le Machine Learning en IoT
L'IA embarquée (Edge AI) permet des décisions en temps réel sans cloud, idéal pour les systèmes embarqués.
Utilisez des modèles comme les réseaux de neurones pour la prédiction
Choix des composants : Microcontrôleurs avec NPU (Neural Processing Unit) comme l'ESP32-S3.
Frameworks : TensorFlow Lite Micro.
Exemple : Détection d'anomalies dans un capteur de vibration.
 L’intégration de l’intelligence artificielle (IA) et du machine learning (ML) dans l’IoT permet de rendre
les systèmes connectés plus intelligents, autonomes et prédictifs. Au lieu de simplement collecter
et transmettre des données, les objets IoT peuvent désormais analyser et agir en temps réel. Le
traitement peut se faire dans le cloud (grande puissance de calcul) ou en edge computing
(traitement local sur microcontrôleurs ou SoC IA).

Les modèles de ML (comme les réseaux de neurones, les arbres de décision ou le clustering) permettent
de détecter des anomalies, prédire des événements (pannes, besoins énergétiques, comportements)
et optimiser les ressources.

Par exemple, dans un système IoT industriel, l’IA peut analyser les vibrations d’un moteur pour anticiper
une panne avant qu’elle ne survienne (maintenance prédictive).
Ainsi, l’association de l’IA et de l’IoT souvent appelée AIoT (Artificial Intelligence of Things) transforme
les objets connectés en systèmes capables d’apprentissage, d’adaptation et de prise de décision
autonome.
10. Normes et Réglementations en IoT

Les normes assurent l'interopérabilité : IEEE 802.15.4 pour Zigbee, LoRaWAN pour longue portée.
Réglementations : GDPR pour données, FCC pour fréquences.
Principales normes
•Interopérabilité : Les normes IoT garantissent que les appareils de différents
fabricants peuvent communiquer et interagir entre eux. L'Organisation Internationale
de Normalisation (ISO) est active dans ce domaine via des comités comme le SC 41.
•Sécurité et protocoles : Les normes définissent les aspects de sécurité, tandis que
les protocoles (ex: LTE-M, NB-IoT) définissent les spécifications techniques de
communication pour l'échange de donnée
Les normes et réglementations en IoT visent à garantir la compatibilité, la sécurité, la fiabilité et la
protection des données dans les systèmes connectés. Elles encadrent aussi les aspects techniques,
juridiques et éthiques liés à l’usage des objets intelligents.

Le respect de ces normes est essentiel pour assurer la conformité légale, la

sécurité des utilisateurs et la fiabilité des systèmes IoT dans des environnements
variés.

•Interopérabilité : normes IEEE, ISO, ITU, IETF.

•Sécurité et confidentialité : conformité RGPD, chiffrement des données.
•Réglementations radio : respect des bandes et puissances d’émission (CE, FCC).
•Certification : validation matérielle et logicielle avant déploiement.
•Objectif : garantir la sécurité, la fiabilité et la légalité des systèmes IoT.
11. Études de Cas en IoT Électronique
Cas 1 : Agriculture Intelligente - Capteurs IoT pour monitorer sol, eau. Exemple : Système avec
ESP32 et DHT22, utilisant LoRa pour transmission. Calcul : Optimisation irrigation avec
évapotranspiration ET = 0.408 * Δ * (Rn - G) + γ * (900 / (T+273)) * u2 * (es - ea) / (Δ + γ (1 + 0.34
u2)), formule Penman-Monteith.
Cas 2 : Usine Automatisée (IIoT) - Robots connectés pour maintenance prédictive.
Images pour agriculture intelligente.
12. Implémentation Pratique : Code et Simulations

Utilisez Arduino IDE pour programmer : Incluez libraries comme PubSubClient pour MQTT.
Exemple code : Pour ESP32 lisant DHT22 et publiant :
13. Test et Débogage des Systèmes IoT Embarqués

Le test et le débogage des systèmes IoT embarqués sont

essentiels pour assurer leur bon fonctionnement, leur fiabilité et leur sécurité. Ils impliquent des tests sur
les composants matériels (circuits, puces) et logiciels (firmware, communications, applications), en
utilisant des outils spécifiques comme GDB, et des techniques comme l'analyse statique, le débogage
JTAG et le fuzzing des interfaces. Des tests d'intrusion (pentest) sont également nécessaires pour
identifier les vulnérabilités sur l'ensemble de l'écosystème connecté
14. Tendances Futures en IoT
Les tendances futures en IoT incluent l'intégration de l'
intelligence artificielle (IA) et de l'informatique de périphérie (edge computing) pour l'analyse des
données, le développement de la connectivité 5G pour une interconnexion plus large et rapide, et une
sécurité renforcée via la blockchain. D'autres tendances majeures sont l'amélioration de
l'interopérabilité entre les systèmes, l'essor des solutions industrielles et sectorielles spécifiques
(comme l'agriculture intelligente), et un accent croissant sur la durabilité et la gestion de l'énergie
L’Internet des Objets (IoT) continue d’évoluer rapidement, avec plusieurs tendances
majeures qui façonneront son futur :
1.AIoT (Intelligence Artificielle intégrée à l’IoT) : les dispositifs IoT deviendront de plus
en plus autonomes grâce à l’IA embarquée, capable d’analyser les données en temps réel
et de prendre des décisions sans intervention humaine.
2.Edge Computing et traitement local : pour réduire la latence et la consommation
réseau, le traitement des données se fera de plus en plus à la périphérie du réseau
(microcontrôleurs et passerelles intelligentes).
3.IoT industriel et smart cities : déploiement massif dans l’industrie 4.0, la gestion
intelligente des infrastructures urbaines, la mobilité et l’énergie.
4.Sécurité renforcée et confidentialité des données : avec l’augmentation des menaces,
l’IoT intègrera davantage de mécanismes de chiffrement, d’authentification et de protection
des données personnelles.
5.Interopérabilité et standards universels : adoption de protocoles normalisés pour
assurer la compatibilité entre différents dispositifs et écosystèmes.
6.Énergie et durabilité : développement de capteurs à ultra-basse consommation,
récupération d’énergie et batteries longue durée pour des déploiements massifs et
durables.
15. Fiabilité et Tolérance aux Pannes en IoT
La fiabilité est cruciale dans les systèmes IoT embarqués, où les pannes peuvent entraîner des pertes de
données ou des dysfonctionnements critiques. La tolérance aux pannes implique des mécanismes comme
la redondance, la détection d'erreurs et la récupération automatique.

La tolérance aux pannes permet au système de continuer à opérer grâce à des mécanismes
comme la redondance des capteurs, le basculement automatique (failover), la
reconnaissance d’erreurs et les protocoles de reprise après panne. Ces mesures assurent la
continuité du service, la sécurité des données et minimisent les interruptions dans les
applications critiques comme la santé, l’industrie ou les transports.

Exemple de calcul : Pour un système avec 3 composants en parallèle (redondance), probabilité

de panne P_panne = P1 * P2 * P3 (si indépendants). Si chaque a P=0.01, P_panne=0.000001.
Choisissez des composants avec MTBF >10000h pour applications critiques.
16. Évolutivité des Systèmes IoT à Grande Échelle
L'évolutivité permet de gérer des milliers de dispositifs sans dégradation de performance. Cela inclut
le scaling horizontal (ajout de nœuds) et vertical (amélioration des ressources).

Lois et calculs : Utilisez la loi d'Amdahl pour l'accélération : S = 1 / ( (1-P) + P/N ), où P est la portion
parallélisable, N le nombre de processeurs. Exemple : Si P=0.9, N=4, S≈2.5.
Pour IoT, calculez la charge : Bande passante totale = nombre de dispositifs * débit par dispositif.

L’évolutivité en IoT désigne la capacité d’un système à supporter un grand nombre de

dispositifs et de données sans perte de performance. Cela implique des architectures
modulaires, des protocoles efficaces (MQTT, CoAP, LoRaWAN), et l’utilisation de cloud ou
edge computing pour gérer la charge. Une bonne évolutivité permet d’ajouter facilement de
nouveaux capteurs, utilisateurs ou services tout en maintenant la réactivité, la fiabilité et la
sécurité du réseau. C’est essentiel pour les applications massives comme les smart cities,
l’agriculture connectée ou l’industrie 4.0.
17. Intégration de la Blockchain avec l'IoT pour la Sécurité
L'intégration de la blockchain avec l'IoT
renforce la sécurité en utilisant le caractère décentralisé et inaltérable de la blockchain pour sécuriser les
données des appareils connectés, remplacer les infrastructures centralisées potentiellement vulnérables et
automatiser les processus via des contrats intelligents. Cette combinaison est appliquée dans divers
domaines comme la chaîne d'approvisionnement, l'automobile et la logistique pour garantir la confidentialité,
l'intégrité et la traçabilité des données. Cependant, des défis subsistent, notamment en termes de puissance
de calcul des appareils IoT et de latence du résea
La blockchain est une technologie de stockage et de transmission d’informations de manière
sécurisée, transparente et décentralisée.
Concrètement :
•Les données sont regroupées en blocs.
•Chaque bloc contient des informations et un lien cryptographique vers le bloc précédent, formant une
chaîne (d’où le nom « blockchain »).
•Cette structure rend les données immutables : une fois enregistrées, elles ne peuvent pas être modifiées
sans que l’ensemble du réseau le sache.
•La blockchain fonctionne généralement sur un réseau décentralisé (pas de serveur central) où tous les
participants valident les transactions grâce à des mécanismes de consensus (Proof of Work, Proof of
Stake…).

Exemple simple : dans une chaîne

logistique, chaque étape (fabrication,
transport, stockage) peut être enregistrée
sur une blockchain. Chaque participant
peut vérifier l’historique des produits sans
pouvoir falsifier les informations.
18. Impact Environnemental et Durabilité en IoT
L'IoT peut réduire les émissions mais aussi générer des déchets électroniques.

L’IoT, bien qu’utile pour l’optimisation des ressources, peut avoir un impact environnemental important à
cause de la production massive de dispositifs, de la consommation d’énergie des capteurs et des centres de
données, et des déchets électroniques. La durabilité en IoT consiste à minimiser cette empreinte écologique
en :
- Utilisant des capteurs basse consommation et des protocoles efficaces.
- Développant des systèmes capables de récupérer ou recycler les composants.
- Intégrant des sources d’énergie renouvelable comme le solaire ou la récupération d’énergie ambiante.
- Optimisant le traitement des données pour réduire l’usage des centres de calcul.

Ainsi, une conception IoT durable combine efficacité énergétique, longévité des dispositifs et réduction
des déchets, tout en permettant des applications écologiquement responsables, comme l’agriculture
intelligente, la gestion énergétique et les villes durables.
19. Outils de Développement Avancés et IDE pour Systèmes Embarqués IoT

Le développement IoT embarqué utilise des IDE et outils spécialisés pour concevoir, tester et
déployer des systèmes efficaces :
IDE principaux : Arduino IDE (prototypage simple), PlatformIO (multiplateforme), STM32CubeIDE
(STM32), ESP-IDF (ESP32), Mbed Studio (ARM).
Simulation et test : simulateurs de capteurs et émulateurs de réseaux pour valider le
comportement avant déploiement.
Monitoring et visualisation : Node-RED, Grafana, InfluxDB pour analyser les données IoT en
temps réel.
IA et ML embarqué : TensorFlow Lite, Edge Impulse, TinyML pour intégrer intelligence et
prédiction sur les dispositifs.
Gestion de version et DevOps : Git et CI/CD pour la maintenance et le déploiement sécurisé des
firmwares.
Objectif : faciliter le prototypage, assurer fiabilité et sécurité, intégrer connectivité et intelligence
tout en optimisant la consommation énergétique.
Exemples de Projets de Fin d'Études (PFE) Intégrant l'IoT en Électronique Embarquée

Projet 1 : Système IoT de Surveillance de la Pollution Atmosphérique

Description brève : Développement d'un dispositif embarqué pour mesurer en temps réel les
niveaux de gaz nocifs (CO2, NO2) dans l'air urbain, avec envoi d'alertes via MQTT vers une
application mobile et stockage cloud pour analyse prédictive.
Composants nécessaires :
•Capteurs : MQ135 (pour CO2/NO2, précision ±5%, , choix pour faible consommation 150mA).
•Microcontrôleur : ESP32 (WiFi intégré, dual-core, .
•Écran LCD 16x2 (affichage local, I2C interface).
•Module de connectivité : Intégré à l'ESP32 (MQTT broker comme Mosquitto).
•Alimentation : Batterie LiPo 3.7V avec régulateur (pour autonomie >24h)

Projet 2 : Station Météo Intelligente IoT pour Prévisions Locales

Description brève : Conception d'une station embarquée collectant température, humidité et
précipitations, intégrant un algorithme simple de prédiction (basé sur moyennes mobiles) et envoi
de données via LoRaWAN pour une ferme ou ville connectée.
Composants nécessaires :
•Capteurs : DHT22 (temp/humidité, ±0.5°C précision, ), capteur de pluie (résistif).
•Microcontrôleur : Arduino Nano (low-power, ) ou ESP32 pour LoRa.
•Module LoRa : SX1276 (portée >10km, choix pour low-bandwidth rural).
•Écran OLED 0.96" (affichage graphique).
•Antenne externe pour LoRa.
Projet 3 : Système IoT de Détection Précoce des
Projet 4 : Robot Mobile IoT pour Détection de Fuites
Inondations
de Gaz
Description brève : Prototype embarqué pour
Description brève : Réalisation d'un robot autonome
monitorer niveaux d'eau et humidité du sol en zones à
roulant équipé de capteurs gaz, localisant fuites via
risque, avec alertes push via Bluetooth Low Energy
GPS et transmettant positions via WiFi à un centre de
(BLE) et intégration à un dashboard web pour autorités
contrôle pour maintenance industrielle.
locales.
Composants nécessaires :
Composants nécessaires :
•Capteurs : MQ2 gaz (détection multi-gaz), GPS NEO-
•Capteurs : HC-SR04 ultrason (niveau d'eau, précision
6M (précision <2.5m, ).
±3mm, ), capteur d'humidité du sol capacitif
•Microcontrôleur : ESP32 (pour mobilité et WiFi).
•Microcontrôleur : Raspberry Pi Zero W (BLE/WiFi,
•Châssis robot : Kit DC moteurs avec driver L298N .
<10€, choix pour processing edge).
•Caméra ESP32-CAM pour visuel optionnel.
•Module BLE : HC-05 si non intégré.
•Batterie 18650 (7.4V pour moteurs).
•Boîtier étanche IP67 pour environnement humide.
•Batterie solaire 5V/1W pour autonomie.
Projet 5 : Domotique IoT Basée sur Gestes Tactiles Projet 6 : Moniteur IoT de Niveau de Liquide en
Description brève : Système embarqué pour contrôle Réservoirs Industriels
gestuel d'appareils domestiques (lumières, Description brève : Dispositif embarqué pour
climatisation) via capteurs capacitifs, avec interface IoT surveillance non-invasive des niveaux de fluides (eau,
pour monitoring distant et apprentissage basique des huile) dans cuves, avec détection de fuites et rapports
habitudes utilisateur. automatisés via CoAP pour optimisation industrielle.
Composants nécessaires : Composants nécessaires :
•Capteurs : TTP223 tactile (haute sensibilité, <1€). •Capteurs : JSN-SR04T ultrason étanche (précision
•Actionneurs : Relais 5V (pour 220V, <2€/unité). ±0.5cm).
•Microcontrôleur : Arduino Uno (simplicité pour gestes, •Microcontrôleur : STM32F103 (low-cost, pour
<10€). industriel).
•Module WiFi : ESP8266 (<5€). •Module de communication : ESP32 pour CoAP.
•App mobile (MIT App Inventor). •Boîtier IP65.
•Capteur de fuite (conductif).
Projet 7 : Bracelet IoT de Surveillance de la Santé Connecté

Projet 8 : Station IoT de Surveillance de la Qualité de l’Eau en Temps Réel

Projet 9 : Vélo Connecté IoT avec Anti-Vol Géolocalisé et Analyse de Performance

Projet 10 : Serre Agricole Intelligente 100 % Autonome avec IA Edge

Projet 11 : Système IoT de Détection Précoce d’Incendie de Forêt par Multi-Capteurs
Projet 12 : Parking Intelligent IoT avec Guidage Dynamique et Paiement Mobile
Projet 13 : Drone IoT Autonome pour Inventaire d’Entrepôt
Projet 14 : Système IoT de Réfrigérateur Intelligent avec Détection de Péremption par Vision
Dans le monde des objets,
celui qui communique
survit et celui qui reste
silencieux s’éteint.