PwC
PwC en Tunisie propose ce sujet de PFE au sein de sa ligne de services Technology (practice IA Lab / AI Factory), sous la référence TAC-DIG008/27.
Description du sujet : Ce sujet vise à collecter et analyser automatiquement des données environnementales et énergétiques provenant d’un bâtiment, d’un site ou d’un environnement industriel. La plateforme détecte les comportements inhabituels et permet à un utilisateur d’interroger les données en langage naturel afin d’obtenir une explication contextualisée.
Objectifs du stage : Concevoir et développer une solution AIoT permettant de collecter et analyser des données environnementales et énergétiques issues de capteurs IoT. La solution devra exploiter des techniques de Machine Learning pour détecter les anomalies et tendances de consommation, et intégrer un assistant GenAI capable d’interpréter les événements détectés, d’interroger les données en langage naturel et de fournir des insights et recommandations aux utilisateurs métier. Le projet aboutira à un MVP de bout en bout intégrant collecte IoT, traitement des données, détection d’anomalies, visualisation et interaction via un agent IA.
Profil recherché : - Technologies : Python, IoT (ESP32/Raspberry Pi), MQTT, Azure IoT, Time-Series Data, Machine Learning / Scikit-learn, Generative AI / Azure OpenAI, APIs REST, Power BI, Git et Docker. - Connaissances théoriques : Programmation Python, IoT et systèmes embarqués, protocoles de communication IoT, traitement de données et séries temporelles, Machine Learning et détection d’anomalies, notions de Cloud Computing, bases de données et APIs. Des connaissances en IA générative/LLM ainsi qu’une sensibilité aux enjeux ESG et énergétiques constituent un plus. - Connaissances pratiques : Maîtrise pratique de Python et manipulation de données, expérience avec des capteurs et plateformes IoT (ESP32, Arduino ou Raspberry Pi), utilisation des protocoles MQTT/HTTP et APIs REST, notions pratiques de Machine Learning avec Scikit-learn et utilisation de Git. ; Une expérience en séries temporelles, développement de dashboards, Cloud Azure ou IA générative/LLM constitue un plus.
Conditions du stage : - Référence du sujet : TAC-DIG008/27 - Nombre de stagiaires : 1 - Candidature : envoyez votre CV à [email] avec en objet « Candidature PFE – Réf sujet(s) | Ligne de Services–Business Unit ou practice | Votre école | Votre spécialité | Votre nom »
Niveau : Niveau ouvert Mode : Présentiel Source : PFE Book PwC 2026-2027 (pfebooks.com)
- Concevoir et développer une solution AIoT de monitoring environnemental et énergétique combinant IoT, Data, Machine Learning et IA générative. Le stage couvrira la collecte et le traitement des données issues de capteurs, le développement de mécanismes de détection d’anomalies, la mise en place d’un assistant GenAI permettant d’interpréter et d’interroger les données en langage naturel, ainsi que la restitution des indicateurs, alertes et recommandations dans un démonstrateur de bout en bout.
Talnivo calcule votre score de compatibilité CV ↔ offre et vous aide à l'améliorer avant de postuler.
Créer un compte gratuitVoir toutes les offres sur Talnivo