Architecture sécurisée pour la gouvernance et la gestion de données industrielles en contexte de recherche

Résumé

Les systèmes industriels modernes génèrent d’importantes quantités de données issues de capteurs et d’équipements automatisés, largement exploitées dans les travaux de recherche en apprentissage automatique. Toutefois, la gestion de ces données — en particulier leur organisation, leur documentation et leur partage dans le cadre d’un projet de recherche avec plusieurs partenaires — demeure une tâche complexe. L’absence de pratiques de gestion homogènes peut compromettre la reproductibilité des expérimentations lorsque les sources de données ou les transformations appliquées ne sont pas clairement documentées. Ce mémoire présente la conception et la mise en œuvre d’une architecture sécurisée destinée à centraliser et gouverner des ensembles de données industrielles à l’aide de métadonnées structurées. Les données ciblées proviennent principalement de systèmes de supervision et d’acquisition en temps réel utilisés dans le domaine de l’énergie renouvelable. La solution proposée repose sur une base de données relationnelle, des interfaces applicatives sécurisées pour le contrôle des accès, ainsi que l’intégration d’un environnement JupyterHub dédié à la préparation et à l’exploration des données. L’objectif de cette architecture est de faciliter l’organisation, le partage, la traçabilité et la reproductibilité des données industrielles utilisées dans les travaux d’analyse et de recherches, tout en limitant les besoins de maintenance opérationnelle.

Date	23 avr. 2026
langue originale	Français
Établissement diplômant	École de technologie supérieure
Superviseur	Antoine Tahan (Directeur(-trice)) & Pavel Guerra Côté (Codirecteur(-trice))