Master Informatique SAIM — Parcours & Compétences

Titulaire du Master Informatique — Parcours Systèmes et Applications pour l’Informatique Mobile (SAIM) de l’Université Bretagne Sud (UBS Vannes), ce diplôme de niveau Bac+5 constitue le socle théorique et pratique de mes compétences en ingénierie logicielle.

Cette page a pour but de vous présenter la formation théorique et pratique que j’y ai suivie, et de vous laisser découvrir en détail certains projets que j’y ai menés.

1. La Spécialité SAIM : Une double compétence stratégique

Ce qui fait la force du parcours SAIM, c’est son approche globale et sans cloisonnement entre le monde du logiciel applicatif et celui des infrastructures bas niveau.

La spécialité SAIM forme des ingénieurs capables de concevoir une chaîne logicielle complète, depuis les capteurs physiques jusqu’aux architectures Cloud distribuées en passent par l’interface Ux/Ui.

• Côté Client : Conception d’applications mobiles performantes, sécurisées et réactives (Android natif, multiplateforme) adaptées aux contraintes des terminaux (batterie, déconnexion temporaire, ressources restreintes).
• Côté Serveur & Réseau : Modélisation de backends résilients, d’intergiciels orientés messages, de microservices hautes performances et d’infrastructures IoT (protocoles légers, réseaux sans fil).

2. Les 4 Piliers Technologiques maîtrisés

Au cours des deux années de Master (M1 & M2), j’ai développé une expertise poussée articulée autour de quatre grands piliers technologiques :

📱 1. Ingénierie des Applications Mobiles & Web Sécurisées

• Développement Mobile Natif & Multiplateforme : Développement avancé sous Android (Kotlin, Wear OS), Flutter, React Native et intégration de modules WebAssembly.
• Sécurité des Terminaux : Chiffrement des données embarquées, gestion sécurisée du stockage et du trousseau, authentification forte, sécurisation des flux réseau contre les attaques Man-In-The-Middle (MITM).

⚙️ 2. Intergiciels & Systèmes Distribués

• Architectures Orientées Services & Microservices : Conception d’APIs REST, flux gRPC, communication synchrone/asynchrone via intergiciels orientés messages (JMS, RMI, EJB).
• Programmation Concurrente & Parallèle : Maîtrise des mécanismes d’ordonnancement, de synchronisation et de communication inter-processus (IPC) en C (POSIX threads, sémaphores, mutex) et en Java.

🌐 3. Réseaux Sans Fil & Internet des Objets (IoT)

• Protocoles Radio & Réseaux Mobiles : Compréhension fine des normes IEEE (Wi-Fi 802.11, Bluetooth 802.15.1, Zigbee 802.15.4) et des topologies de réseaux ad hoc et opportunistes.
• Infrastructures Capteurs/Actionneurs : Assemblage matériel d’objets connectés (microcontrôleurs, cartes de prototypage, modules radio) et intégration de protocoles réseau contraints (MQTT, CoAP, 6LoWPAN, RPL).

⚡ 4. Calcul Haute Performance (HPC), Cloud & SysAdmin

• Traitements Massifs de Données (Big Data) : Algorithmes distribués sur clusters Cloud (Hadoop, MapReduce, Apache Spark) et calcul massivement parallèle GPU via NVIDIA CUDA.
• Administration Système & Réseau : Déploiement et supervision d’infrastructures sous Linux (Debian/Ubuntu), virtualisation, routage avancé, VPN et DNS.

3. Réalisations Pratiques & Projets Marquants

Voici quelques projets réalisés au cours de la formation :

🚣 Projet KayMap — Application Mobile & SIG

• Objectif : Développer une application client-serveur Android complète intégrée à un système d’information géographique (SIG).
• Réalisation : Traitement de données spatiales sous QGIS, déploiement d’une architecture serveur et consommation d’APIs géographiques synchronisées en temps réel sur le mobile. En savoir plus sur le projet KayMap.

🤖 Projets IoT & Capteurs Connectés

• Objectif : Conception d’un nœud capteur autonome transmettant ses mesures vers une plateforme de supervision.
• Réalisation : Assemblage électronique de capteurs, programmation du firmware embarqué et implémentation des couches réseau MQTT / CoAP.

🚢 Traitement de Données Massives Maritimes (AIS)

• Objectif : Analyser et traiter des flux de données maritimes en temps réel.
• Réalisation : Capture de données maritimes AIS réelles via une antenne réceptrice dédiée et exécution de traitements distribués avec le modèle MapReduce.

🧠 Reconnaissance d’Image & Apprentissage Local (CUDA)

• Objectif : Concevoir et accélérer l’entraînement de modèles de traitement d’image.
• Réalisation : Création et entraînement de modèles de reconnaissance d’image exécutés en local en tirant parti du calcul parallèle GPU sous NVIDIA CUDA.

4. Synthèse de la Stack Technique

5. Déroulé Synthétique de la Formation (M1 & M2)