Sciences et technologies (Charleroi)
Artificial Intelligence for Advanced Structural Integrity Testing and Monitoring M2.1

2025-2026

Informations Générales
Code
T-CSTE-563
Année académique
2025-2026
Théorie
20
Pratique
0
Période(s)
Q1
Langue d'enseignement
français
Langue d'évaluation
français
Titulaire(s)
DEMARBAIX Anthonin

Acquis d'apprentissage - Au terme de l'activité d'apprentissage, l'étudiant sera capable de

Connaissances

Expliquer les principes fondamentaux de la fouille de données, de l’apprentissage supervisé et non supervisé. Décrire les méthodes de base du machine learning appliquées au CND et au SHM (régression, classification, clustering, PCA). Identifier les bibliothèques Python pertinentes (pandas, numpy, matplotlib, seaborn, scikit-learn) et leurs usages en ingénierie des données.

Aptitudes

Manipuler, nettoyer et visualiser des jeux de données expérimentaux ou industriels (ultrasons multiéléments, fibres optiques, jauges de déformation, émissions acoustiques). Mettre en œuvre une analyse exploratoire de données (EDA) et poser des hypothèses sur les relations entre variables. Construire, entraîner et évaluer des modèles prédictifs en Python, en choisissant les algorithmes appropriés.

Compétences

Concevoir un workflow complet d’analyse de données appliqué à un problème industriel concret de suivi de l’intégrité structurelle. Utiliser des modèles prédictifs pour détecter ou anticiper des défauts critiques dans des structures aéronautiques ou spatiales. Communiquer efficacement les résultats sous une forme professionnelle (rapport technique écrit, poster scientifique, présentation orale).

Développer une attitude critique vis-à-vis de l’applicabilité et des limites de l’IA dans un contexte d’ingénierie de sécurité.

Contenu de l'Activité d'Apprentissage

Introduction: Rôle de l’IA dans le contrôle non destructif et le monitoring structurelMachine Learning: Apprentissage non supervisé et non superviséDeep Learning : Bases des réseaux de neurones et CNN

Méthode d'enseignement des apprentissages

  • Cours magistraux
  • Travaux pratiques
  • Préparations / Recherche d'informations
  • Exercices dirigés
  • Travaux personnels

Supports principaux

Type de support

Diapositives

Références

Slide Demarbaix
Jupyter Notebook

Sources, références et supports éventuels

- Python 3 Traitement de données et techniques de programmation (2e édition) de Sébastien Chazallet

Les usages de l’Intelligence Artificielle dans l’enseignement supérieur sont référencés et détaillés au sein d'une charte institutionnelle. Consultez le site https://ia.condorcet.be pour plus d'informations.