Missions principales
Veille et amélioration continue
- Assurer une veille technologique et scientifique dans le domaine du traitement du signal appliqué au secteur d’activité dans lequel il évolue : analyse de l’existant, suivi des progrès de laboratoires, analyse de la concurrence.
- Assurer une veille sur les technologies permettant d’héberger les programmes développés et les systèmes de captation de données.
- Étudier les algorithmes existants et les corriger, les faire évoluer pour intégrer de nouvelles fonctionnalités ou les améliorer pour renforcer leur performance (niveau de catégorisation, vitesse d’exécution).
Recueil et analyse des besoins
- Étudier les spécificités du capteur et les données à traiter : nature du signal, format des données recueillies, quantité de données disponibles.
- Identifier les besoins en matière de traitement de l’information et d’automatisation : détection, numérisation, classification, identification automatique, décodage, amélioration…
- Analyser les données à disposition et l’état de l’art des traitements sur le type de signal étudié et qualifier la base de données pour améliorer les performances d’un traitement automatisé.
- Recueillir les attentes en matière de délais d’exécution du traitement et étudier et intégrer les contraintes (matérielles, conditions d’utilisation, budgétaires, délais de réalisation…).
- Évaluer et déterminer la faisabilité technique des projets.
Conception et/ou sélection d’algorithmes
- Rédiger les spécifications fonctionnelles (fonctions qu’ils devront remplir) du/des algorithmes de traitement, d’interprétation, d’automatisation et/ou d’apprentissage automatique à concevoir.
- Élaborer, faire développer, modifier et/ou sélectionner dans une librairie d’algorithmes existants des algorithmes qui répondent aux spécifications définies.
- Créer un programme qui permette de recourir à ces algorithmes.
Implémentation numérique et matérielle
- Définir l’architecture du système dans lequel s’intégrera le programme : comment il interagira avec l’éventuel capteur et l’interface homme-machine qui permettra de l’utiliser.
- Concevoir ou faire développer l’interface homme-machine.
- Rédiger la documentation technique permettant de guider l’implémentation matérielle du programme dans le système.
- Effectuer ou superviser l’implémentation numérique et matérielle du programme.
Test et validation de l’algorithme et de son implémentation
- Définir des protocoles de tests pour validation des algorithmes : tests sur chaque portion du programme, tests sur prototype, tests implémentés en conditions réelles, tests de performance sur signal de synthèse puis signal réel.
- Réaliser des prototypes pour mener des simulations.
- Conduire les tests et les interpréter.
- Proposer des mesures correctives ou des solutions si nécessaires.
- Rédiger un document reprenant toutes les spécifications techniques et la nomenclature des produits.
Missions éventuelles
- Réaliser des études de R&D (recherche et développement) en traitement du signal, d’images et en apprentissage automatique.
- Contribuer aux activités d’avant-vente notamment les réponses à appel d’offres et participer aux réunions techniques et aux rencontres avec les clients.
- Jouer un rôle de chef de projet : suivi de qualité de la documentation délivrée au client, respect des délais, suivi de la relation client.
- Valoriser l’activité de l’entreprise via des publications, des participations dans des colloques et conférences scientifiques.
- Apporter un soutien à la clientèle dans l’utilisation du logiciel et l’interprétation des données.
Variabilité des activités
Selon le type d’entreprise dans lequel il exerce, le champ d’intervention d’un/une ingénieur/ingénieure traitement du signal peut varier :
- chez un éditeur de logiciel : il est moins courant qu’il/elle intervienne sur une phase d’implémentation matérielle de son algorithme, en revanche il/elle est souvent sollicité(e) dans la phase après-vente pour apporter un soutien technique aux utilisateurs ;
- en cabinet d’ingénierie : il/elle sera davantage en contact avec les clients et jouera un rôle de chef de projet ;
- en tant que consultant intégré ou salarié : il/elle est davantage amené(e) à faire de la recherche et à assurer une veille active ;
- en tant que chercheur en laboratoire : il/elle concentre son activité sur le développement de nouveaux algorithmes ou étend ceux de la littérature à de nouveaux usages.
Selon la taille d’entreprise, son activité peut également varier :
- dans de très petites structures (start-up, laboratoire…) : il est fréquent qu’il/elle se charge de la collecte des données de pré-étude et qu’il/elle conçoive en autonomie de nouveaux algorithmes ;
- dans de plus grandes entreprises : ces missions pourront être déléguées, voire sous-traitées, il/elle se devra alors de rédiger des cahiers des charges extrêmement précis.
Rattachement hiérarchique
- Directeur/directrice R&D
- Responsable de service/de pôle/d’activité Ingénierie, traitement du signal, deep learning…
Contexte et facteurs d’évolution du métier
Les évolutions technologiques de ces dix dernières années ont profondément impacté le métier d’ingénieur traitement du signal. Deux avancées majeures : l’apprentissage automatique et la montée en puissance des capacités des processeurs ont rendu possible de combiner la miniaturisation des processeurs, un niveau très élevé de complexité de traitement et une rapidité d’exécution sans précédent. Tout ceci participe à faire exploser le champ des possibles pour l’ingénieur/ingénieure traitement du signal. Ainsi :
- il/elle peut s’autoriser à concevoir des algorithmes nettement plus complexes ;
- et à imaginer davantage d’applications (comme détecter, par exemple, une maladie dans un fruit) ;
- il/elle peut traiter des sets de données extrêmement importants (big data) et améliorer ainsi les performances de ses algorithmes d’apprentissage automatique ;
- ses programmes ainsi que les capteurs peuvent être intégrés à des objets compacts ;
- ces objets sont capables de collecter et de traiter les données « in situ » et en temps réel plutôt qu’à distance (Edge Computing) ;
- enfin, formé à l’apprentissage automatisé et profond, compétences qui deviennent incontournables pour ce professionnel, il/elle peut obtenir un niveau de précision et de catégorisation des données beaucoup plus élevé.