// #import "@preview/showybox:2.0.1": showybox #set document( title: "Cahier des charges - Projet de fin d'études", author: "Votre nom", date: datetime.today(), ) #set page( paper: "a4", margin: (x: 2.5cm, y: 2cm), numbering: "1", header: align(right)[ _Cahier des charges - Projet de fin d'études_ ], ) #set text( font: "Liberation Serif", size: 12pt, lang: "fr", ) #set heading(numbering: "1.1.") #show heading: it => [ #v(1em) #set text(weight: "bold") #it #v(0.5em) ] #align(center)[ #text(size: 20pt, weight: "bold")[ CAHIER DES CHARGES ] #v(1cm) #text(size: 16pt)[ Projet de fin d'études ] #v(0.5cm) #text(size: 14pt)[ Jumeau numérique d'une plateforme \ de production éducative ] #v(2cm) #grid( columns: (1fr, 1fr), column-gutter: 2cm, [ *Étudiants :* \ Paul Roost \ Axelle Destombes \ Alexis Bruneteau ], [ *Encadrant :* \ Bruno CHAVAGNEUX \ Responsable plateforme pour DIWII ] ) #v(2cm) #text(size: 12pt)[ #datetime.today().display("[day]/[month]/[year]") ] ] #pagebreak() = Table des matières #outline(indent: auto) #pagebreak() = Introduction == Contexte du projet Dans le cadre de l'industrie 4.0, les plateformes de production éducatives jouent un rôle crucial dans la formation des futurs ingénieurs et techniciens. Ces plateformes permettent d'enseigner les concepts de l'automatisation, de l'IoT et des systèmes cyber-physiques. Le développement d'un jumeau numérique de ces plateformes éducatives ouvre de nouvelles possibilités pédagogiques : simulation en temps réel, expérimentation sans risque, et formation à distance. == Problématique Les plateformes de production éducatives actuelles présentent plusieurs limitations : - Accès limité aux équipements physiques pour tous les étudiants - Difficultés d'extraction et de standardisation des données des capteurs industriels - Manque d'outils d'analyse temps réel pour l'apprentissage - Absence de visualisation 3D pour comprendre les processus complexes - Besoin d'agrégation de données pour une vue d'ensemble pédagogique - Préparation insuffisante aux enjeux de la téléopération industrielle == Objectifs généraux - Créer un jumeau numérique fidèle de la plateforme de production éducative - Développer un système d'extraction de données capteurs en temps réel - Implémenter une analyse temps réel pour l'amélioration des KPI - Construire un environnement de simulation 3D interactif - Préparer l'infrastructure pour la téléopération future = Analyse de l'existant == État de l'art === Jumeaux numériques industriels Les jumeaux numériques représentent une évolution majeure dans l'industrie 4.0. Selon Gartner, un jumeau numérique est "une représentation numérique d'une entité ou d'un système du monde réel". Les principales entreprises comme Siemens avec leur plateforme MindSphere, General Electric avec Predix, ou encore PTC avec ThingWorx, proposent des solutions de jumeaux numériques pour l'industrie. *Siemens Digital Twin :* Intègre la conception CAO, la simulation et les données IoT pour créer des modèles prédictifs. Utilisé dans l'automobile et l'aéronautique. *Azure Digital Twins (Microsoft) :* Plateforme cloud permettant de créer des graphiques de connaissances d'environnements physiques entiers. *ANSYS Twin Builder :* Spécialisé dans la simulation multi-physique temps réel pour les systèmes complexes. === Plateformes éducatives industrielles *Festo Didactic :* Leader mondial des plateformes de formation industrielle avec des systèmes comme CP Factory et MPS (Modular Production System). Leurs solutions intègrent des technologies Industry 4.0 mais manquent de capacités de jumeau numérique avancées. *Schneider Electric EcoStruxure :* Propose des solutions IoT industrielles avec des capacités d'analyse mais principalement orientées production réelle. *Rockwell Automation Connected Components Workbench :* Environnement de développement pour l'automatisation mais limité en termes de simulation 3D immersive. === Technologies de simulation 3D industrielle *Unity Reflect :* Plateforme de réalité mixte pour l'industrie permettant la visualisation 3D de données BIM et CAO. *Unreal Engine pour l'industrie :* Utilisé par BMW, Audi pour la visualisation de chaînes de production et la formation. *NVIDIA Omniverse :* Plateforme de collaboration 3D temps réel intégrant simulation physique et rendu photoréaliste. === Extraction et analyse de données industrielles *OPC UA (Open Platform Communications Unified Architecture) :* Standard industriel pour l'interopérabilité machine-to-machine, adopté par la majorité des équipementiers. *MQTT et Apache Kafka :* Protocoles de messagerie temps réel largement utilisés pour l'IoT industriel. *InfluxDB et TimescaleDB :* Bases de données temporelles optimisées pour les données de capteurs industriels. *Grafana et Kibana :* Solutions de visualisation temps réel des données industrielles. === Limitations identifiées Bien que ces technologies soient matures individuellement, leur intégration dans un contexte éducatif présente des défis : - Coût élevé des solutions commerciales pour l'éducation - Complexité d'intégration entre les différentes briques technologiques - Manque de solutions spécifiquement conçues pour l'apprentissage - Absence de scénarios pédagogiques intégrés dans les jumeaux numériques - Difficultés d'accès aux données en temps réel sur les plateformes éducatives existantes == Analyse critique === Forces des solutions existantes *Solutions industrielles matures :* - Technologies éprouvées en environnement industriel réel - Standards ouverts bien établis (OPC UA, MQTT) - Écosystèmes riches avec de nombreux fournisseurs - Capacités de traitement temps réel démontrées à grande échelle *Plateformes éducatives robustes :* - Matériel pédagogique de qualité industrielle (Festo, Schneider) - Programmes de formation structurés et validés - Support technique et documentation extensive - Intégration avec les cursus de formation technique *Outils de simulation avancés :* - Moteurs 3D performants (Unity, Unreal Engine) - Capacités de rendu photoréaliste - Support VR/AR pour l'immersion - Interfaces utilisateur sophistiquées === Faiblesses et lacunes identifiées *Coût et accessibilité :* - Solutions commerciales prohibitives pour les établissements d'enseignement - Licensing complexe et frais de maintenance élevés - Formation requise pour les enseignants sur des outils propriétaires - Dépendance vis-à-vis de fournisseurs spécifiques *Intégration et interopérabilité :* - Silos technologiques entre les différentes briques - Protocoles de communication non standardisés entre certains équipements - Complexité d'intégration des données hétérogènes - Absence d'API unifiées pour l'accès aux données *Adaptation pédagogique :* - Solutions conçues pour la production, pas pour l'apprentissage - Manque de scénarios pédagogiques progressifs - Absence d'outils d'évaluation intégrés - Interface souvent trop complexe pour des étudiants débutants *Limitations techniques spécifiques :* - Latence élevée dans certaines solutions cloud - Scalabilité limitée pour des sessions multi-utilisateurs - Capacités de simulation temps réel insuffisantes - Manque de flexibilité pour des configurations personnalisées === Opportunités d'amélioration - Développement de solutions open-source adaptées à l'éducation - Intégration native de fonctionnalités pédagogiques - Optimisation pour des environnements multi-utilisateurs - Réduction des coûts par une approche modulaire et évolutive == Positionnement du projet === Valeur ajoutée distinctive Notre projet se positionne comme une solution innovante qui comble les lacunes identifiées dans l'état de l'art, en proposant un jumeau numérique spécifiquement conçu pour l'enseignement industriel. === Différenciation par rapport à l'existant *Approche pédagogique intégrée :* - XX Conception centrée sur l'apprentissage plutôt que sur la production - XX Scénarios pédagogiques progressifs intégrés dans la plateforme - XX Interface adaptée aux différents niveaux d'expertise des étudiants - XX Outils d'évaluation et de suivi de progression des apprentissages *Architecture ouverte et modulaire :* - Utilisation de technologies open-source pour réduire les coûts - Architecture microservices permettant une évolutivité flexible - Standards ouverts pour garantir l'interopérabilité - Capacité d'intégration avec les équipements existants de l'établissement *Innovation technique :* - Synchronisation temps réel entre le jumeau numérique et la plateforme physique - XX Analyse prédictive des données pour l'optimisation pédagogique - XX Interface 3D immersive optimisée pour l'apprentissage collaboratif - Système d'extraction de données unifié et standardisé *Optimisation pour l'éducation :* - XX Support multi-utilisateurs pour les travaux pratiques en groupe - XX Gestion des sessions d'apprentissage avec sauvegarde d'état - XX Bibliothèque de cas d'usage pédagogiques préétablis - XX Documentation et tutoriels intégrés === Apports innovants *Convergence technologique :* Le projet fait converger pour la première fois les technologies de jumeau numérique, l'IoT industriel, et la pédagogie interactive dans une solution unifiée et accessible. *Démocratisation de l'industrie 4.0 :* En rendant ces technologies accessibles dans un contexte éducatif, le projet contribue à former la nouvelle génération d'ingénieurs aux enjeux de l'industrie 4.0. *Approche expérimentale sécurisée :* Le jumeau numérique permet aux étudiants d'expérimenter sans risque sur des scénarios complexes XX (ou dangereux, impossible à reproduire sur la plateforme physique). *Préparation à la téléopération :* Le projet pose les bases technologiques pour l'évolution future vers la téléopération industrielle XX (, préparant les étudiants aux métiers de demain). === Impact attendu - XX Amélioration de la qualité de l'apprentissage par la simulation interactive - XX Réduction des coûts de formation par la mutualisation des ressources - XX Accessibilité élargie aux technologies industrielles avancées - XX Contribution à la recherche en pédagogie numérique industrielle = Spécifications fonctionnelles == Fonctionnalités principales #rect( width: 100%, stroke: blue + 1pt, inset: 10pt, radius: 5pt, fill: blue.lighten(95%), [ #text(weight: "bold", fill: blue)[Fonctionnalité 1 : Extraction de données capteurs] *Description :* Système d'extraction et de standardisation des données provenant des capteurs de la plateforme physique (température, pression, position, vitesse, etc.) via les systèmes de contrôle existants. *Critères d'acceptation :* - Connexion aux systèmes de contrôle de la plateforme DIWII - Extraction temps réel des données capteurs - Formatage standard des données (JSON, OPC UA, ou protocole spécifique) - Gestion des erreurs de communication - Log des données pour traçabilité *Priorité :* Haute ] ) #rect( width: 100%, stroke: green + 1pt, inset: 10pt, radius: 5pt, fill: green.lighten(95%), [ #text(weight: "bold", fill: green)[Fonctionnalité 2 : Analyse temps réel et KPI] *Description :* Module d'analyse des données en temps réel pour calculer et améliorer les indicateurs de performance clés (KPI) de la chaîne de production. *Critères d'acceptation :* - Calcul automatique des KPI (efficacité, disponibilité, qualité) - Détection d'anomalies en temps réel - Alertes configurables - Dashboard de visualisation - Historique des performances *Priorité :* Haute ] ) #rect( width: 100%, stroke: orange + 1pt, inset: 10pt, radius: 5pt, fill: orange.lighten(95%), [ #text(weight: "bold", fill: orange)[Fonctionnalité 3 : Environnement de simulation 3D] *Description :* Jumeau numérique 3D de la plateforme de production permettant la visualisation, la simulation et les tests sans impact sur le système physique. *Critères d'acceptation :* - Modélisation 3D fidèle de la plateforme physique - Synchronisation avec les données réelles - Interface utilisateur intuitive - Simulation de scénarios de test - Exportation de résultats *Priorité :* Moyenne ] ) #rect( width: 100%, stroke: purple + 1pt, inset: 10pt, radius: 5pt, fill: purple.lighten(95%), [ #text(weight: "bold", fill: purple)[Fonctionnalité 4 : Agrégation et vue globale] *Description :* Système d'agrégation des données provenant de multiple sources pour fournir une vue d'ensemble complète de la chaîne de production. *Critères d'acceptation :* - Collecte de données multi-sources - Base de données temporelle - API de requête de données - Rapports automatisés - Interface de visualisation globale *Priorité :* Moyenne ] ) #rect( width: 100%, stroke: red + 1pt, inset: 10pt, radius: 5pt, fill: red.lighten(95%), [ #text(weight: "bold", fill: red)[Fonctionnalité 5 : Infrastructure téléopération] *Description :* Préparation de l'architecture système pour permettre la téléopération future de la plateforme (contrôle à distance, maintenance prédictive). *Critères d'acceptation :* - Architecture modulaire et extensible - Protocoles de communication sécurisés - Interface de contrôle à distance (prototype) - Documentation d'intégration - Tests de latence et fiabilité *Priorité :* Basse (Perspective future) ] ) == Cas d'utilisation === Acteurs du système *Étudiant :* Utilisateur principal qui interagit avec le jumeau numérique pour apprendre les concepts de l'industrie 4.0. *Enseignant :* XX Supervise les sessions d'apprentissage, configure les scénarios pédagogiques et évalue les performances. *Administrateur technique :* Gère la configuration du système, maintient la connexion avec la plateforme physique. *Plateforme physique :* Système automatisé réel qui fournit les données capteurs en temps réel. === Cas d'utilisation principaux *CU1 : Supervision temps réel de la production* - *Acteur principal :* Étudiant - *Objectif :* Observer et analyser le fonctionnement de la chaîne de production - *Préconditions :* Plateforme physique en fonctionnement, connexion établie - *Scénario nominal :* 1. L'étudiant se connecte au jumeau numérique 2. Il visualise la représentation 3D de la plateforme 3. Il observe les données capteurs en temps réel 4. Il analyse les KPI affichés sur le dashboard 5. Il identifie les anomalies ou optimisations possibles - *Extensions :* Simulation de pannes, modification de paramètres *CU2 : Analyse historique des données* - *Acteur principal :* Étudiant - *Objectif :* Analyser les tendances et performances passées - *Préconditions :* Données historiques disponibles - *Scénario nominal :* 1. L'étudiant accède à l'interface d'analyse 2. Il sélectionne une période d'analyse 3. Il choisit les métriques à étudier 4. Il génère des graphiques et rapports 5. Il identifie des patterns et corrélations - *Extensions :* Export de données, création de rapports personnalisés *CU3 : Maintenance prédictive* - *Acteur principal :* Administrateur technique - *Objectif :* Anticiper les besoins de maintenance de la plateforme - *Préconditions :* Modèles prédictifs configurés - *Scénario nominal :* 1. Le système analyse les données capteurs 2. Il détecte des anomalies de fonctionnement 3. Il génère des alertes de maintenance 4. L'administrateur planifie les interventions 5. Il documente les actions correctives - *Extensions :* Maintenance automatisée, historique des interventions == Interface utilisateur === Principes de conception *Approche centrée utilisateur :* - Interface intuitive adaptée aux différents niveaux d'expertise - Navigation claire et cohérente entre les modules - Feedback visuel immédiat pour toutes les interactions *Design responsive :* - Adaptation automatique aux différentes tailles d'écran - Support tablettes et écrans tactiles industriels === Interfaces principales *Dashboard principal :* - Vue d'ensemble temps réel de la plateforme de production - Indicateurs KPI avec alertes visuelles (vert/orange/rouge) - Graphiques interactifs des données capteurs - Timeline des événements et anomalies - Menu de navigation vers les modules spécialisés *Interface d'analyse :* - Outils de requête graphique pour l'exploration des données - Générateur de graphiques - Tableau de bord personnalisable par l'utilisateur - Export facile vers formats standards (PDF, Excel, CSV) - Système de favoris pour les analyses récurrentes === Exigences ergonomiques *Navigation et organisation :* - Menu principal persistant avec icônes explicites - Fil d'Ariane pour situer l'utilisateur dans l'arborescence - Raccourcis clavier pour les actions fréquentes - Système d'onglets pour le multitâche - XX Recherche globale intelligente *Visualisation des données :* - Choix de thèmes visuels (clair/sombre/contraste élevé) - Codage couleur cohérent selon les standards industriels - Graphiques interactifs avec zoom et filtrage - Animation fluide des transitions d'état - Gestion intelligente de la densité d'information - XX Historique des actions utilisateur pour le débogage === Exigences techniques UI/UX *Performance :* - Temps de réponse < 100ms pour les interactions critiques - XX Mise en cache intelligente des ressources fréquentes - XX Optimisation pour les connexions réseau variables *Compatibilité :* - Support navigateurs modernes (Chrome, Firefox, Edge, Safari) - Progressive Web App pour installation native - API responsive pour intégration dans des LMS existants *Sécurité et authentification :* - XX Connexion SSO avec les systèmes éducatifs existants - Session timeout configurable === Maquettes et prototypes Les maquettes détaillées seront développées en Phase 1 du projet, incluant : - Wireframes basse fidélité pour la validation des concepts - Prototypes interactifs pour les tests utilisateur - Design system complet avec composants réutilisables - Guide de style pour assurer la cohérence visuelle = Spécifications techniques == Architecture système L'architecture proposée suit un modèle en couches : *Couche Physique :* - Plateforme de production éducative avec capteurs et actionneurs - Systèmes de contrôle (PLCs, contrôleurs industriels) - Réseau industriel (Ethernet/IP, Profinet) *Couche Communication :* - Gateway OPC UA pour standardisation des protocoles - Collecteur de données temps réel - File d'attente de messages (MQTT/Redis) *Couche Traitement :* - Service d'agrégation et normalisation des données - Moteur d'analyse temps réel et calcul des KPI - Base de données temporelle pour l'historisation *Couche Application :* - API REST pour l'accès aux données - Interface web pour visualisation et contrôle *Couche Présentation :* - Dashboard web interactif == Technologies envisagées - *Langages de programmation :* Python (backend), JavaScript/TypeScript (frontend), C++ (simulation temps réel), C\# - *Frameworks :* - Backend : FastAPI, Flask, ou Django - Frontend : React.js ou Vue.js pour les dashboards - Simulation 3D : Unity 3D, Unreal Engine, ou Three.js - Communication : OPC UA, MQTT, WebSocket - *Base de données :* - Temporelle : InfluxDB ou TimescaleDB - Relationnelle : PostgreSQL - Cache : Redis - *Outils de développement :* Docker, Git, CI/CD (GitLab/GitHub Actions) - *Protocoles de communication :* OPC UA, Modbus TCP, Ethernet/IP - *Formats d'échange :* JSON, XML, Protocol Buffers == Contraintes techniques - Performance : Latence < 100ms pour l'analyse temps réel, support de 1000+ points de données/seconde - Scalabilité : Architecture microservices, support multi-utilisateurs (50+ utilisateurs simultanés) - Sécurité : Authentification robuste, chiffrement des communications, isolation réseau - Compatibilité : Navigateurs modernes, Windows/Linux, intégration avec systèmes industriels existants == Intégrations === Intégration avec la plateforme physique DIWII *Systèmes de contrôle industriel :* - Connexion aux automates programmables (PLCs) via protocoles industriels - Interface avec les systèmes SCADA existants - Intégration des capteurs IoT (température, pression, position, vitesse) - Synchronisation avec les actionneurs et variateurs de vitesse *Protocoles de communication :* - OPC UA pour l'interopérabilité standardisée - Modbus TCP/IP pour les équipements legacy - Ethernet/IP pour les composants Rockwell/Allen-Bradley - MQTT pour les capteurs IoT et la telemetrie *Collecte de données temps réel :* - Gateway industriel pour l'agrégation des protocoles - Buffering local en cas de déconnexion réseau - Horodatage précis des événements (< 1ms) - Gestion des erreurs de communication et reconnexion automatique === Intégrations techniques *Infrastructure cloud :* - Déploiement sur AWS/Azure/Google Cloud Platform - Intégration avec les services de base de données managés - Utilisation des services de machine learning cloud - CDN pour la distribution des contenus 3D statiques *Outils de développement :* - Intégration continue avec GitLab CI/CD - Monitoring avec Prometheus/Grafana - Logging centralisé avec ELK Stack - Tests automatisés avec Jenkins/GitHub Actions *APIs et microservices :* - API REST standardisée OpenAPI 3.0 - Message broker (RabbitMQ/Apache Kafka) - Service discovery et load balancing - Gateway API pour la sécurité et le routage === Intégrations futures (perspective téléopération) *Systèmes de contrôle avancés :* - Interface avec systèmes de vision industrielle - Intégration robotique collaborative (cobots) - Systèmes de réalité augmentée pour la maintenance - Jumeaux numériques de niveau entreprise (PLM/ERP) === Contraintes d'intégration *Sécurité industrielle :* - Isolation réseau entre environnement pédagogique et production - Chiffrement end-to-end des communications critiques - Audit trail de toutes les interactions système - Compliance avec les standards IEC 62443 *Performance et fiabilité :* - Tolérance aux pannes avec basculement automatique - Synchronisation de données en mode dégradé - Gestion des pics de charge lors des sessions étudiantes - SLA de disponibilité 99.5% sur les heures de cours *Maintenance et évolutivité :* - Versioning des APIs pour la compatibilité ascendante - Documentation technique automatisée - Tests d'intégration automatisés - Procédures de rollback en cas de problème = Contraintes et exigences == Contraintes temporelles - *Durée du projet :* 5 mois (Septembre 2025 - Janvier 2026) - *Date de début :* 9 septembre 2025 - *Date de fin :* 31 janvier 2026 - *Soutenance prévue :* Fin janvier 2026 === Jalons importants *Jalon 1 : 15 octobre 2025 - Analyse et conception terminées* - Spécifications techniques détaillées validées - Architecture système finalisée - Maquettes d'interface validées par l'encadrant - Environnement de développement configuré - Première connexion à la plateforme DIWII établie *Jalon 2 : 30 novembre 2025 - MVP (Minimum Viable Product) fonctionnel* - Extraction de données capteurs opérationnelle - Interface web de base déployée - Premières métriques KPI calculées - Tests d'intégration réussis *Jalon 3 : 20 décembre 2025 - Version bêta complète* - Toutes les fonctionnalités principales implémentées - Interface utilisateur finalisée et testée - Système d'analyse temps réel opérationnel - Documentation technique rédigée - Tests de charge et de performance validés *Jalon 4 : 15 janvier 2026 - Finalisation et documentation* - Correction des bugs critiques - Documentation utilisateur complète - Préparation de la présentation de soutenance - Déploiement de la version finale === Planning détaillé par phase *Phase 1 : Analyse et conception (6 semaines - Sept-Oct 2025)* - Semaine 1-2 : Étude approfondie de la plateforme DIWII - Semaine 3-4 : Conception de l'architecture technique - Semaine 5-6 : Spécifications détaillées et validation *Phase 2 : Développement core (8 semaines - Oct-Déc 2025)* - Semaine 7-8 : Infrastructure de base et connexions - Semaine 9-10 : Module d'extraction de données - Semaine 11-12 : Interface web et visualisation - Semaine 13-14 : Système d'analyse et KPI *Phase 3 : Intégration et tests (4 semaines - Déc 2025-Jan 2026)* - Semaine 15-16 : Tests d'intégration et optimisation - Semaine 17-18 : Tests utilisateur et corrections *Phase 4 : Finalisation (2 semaines - Jan 2026)* - Semaine 19 : Documentation - Semaine 20 : Préparation soutenance === Contraintes critiques *Ressources humaines :* - Disponibilité de l'équipe de 3 étudiants - Support technique de l'encadrant - Accès aux experts techniques de DIWII *Contraintes académiques :* - Respect du calendrier - Disponibilité des salles et équipements *Risques temporels identifiés :* - Complexité technique sous-estimée (probabilité moyenne) - Problèmes d'accès à la plateforme physique (probabilité faible) - Difficultés d'intégration des technologies (probabilité moyenne) - Surcharge de travail en fin de période (probabilité élevée) == Contraintes budgétaires Pas de budget alloué pour ce projet étudiant. Toutes les ressources utilisées sont gratuites ou déjà disponibles via l'établissement ou DIWII. == Contraintes réglementaires Aucune contrainte réglementaire spécifique pour ce projet. Le développement et l'expérimentation se font dans le cadre académique et pédagogique. == Contraintes de sécurité Aucune contrainte de sécurité particulière au-delà des bonnes pratiques standards (gestion des accès, confidentialité des données pédagogiques, respect de la vie privée des utilisateurs). = Livrables == Livrables techniques - [ ] Code source documenté - [ ] Documentation technique - [ ] Guide d'installation - [ ] Tests unitaires et d'intégration - [ ] Documentation utilisateur == Livrables académiques - [ ] Présentation de soutenance == Critères de qualité Les livrables seront évalués selon les critères suivants : - Fonctionnalités principales opérationnelles et conformes au cahier des charges - Documentation technique et utilisateur complète - Qualité du code (clarté, modularité, commentaires) - Couverture des tests (unitaires et d'intégration) - Respect des délais et jalons - Facilité d'utilisation et ergonomie de l'interface = Planification == Planning prévisionnel #table( columns: (1fr, 2fr, 1fr, 1fr), inset: 8pt, align: horizon, table.header( [*Phase*], [*Tâches*], [*Durée*], [*Échéance*] ), [Phase 1], [Analyse et conception], [6 semaines], [15 octobre 2025], [Phase 2], [Développement core], [8 semaines], [30 novembre 2025], [Phase 3], [Intégration et tests], [4 semaines], [20 décembre 2025], [Phase 4], [Finalisation et documentation], [2 semaines], [15 janvier 2026], ) == Risques identifiés #table( columns: (2fr, 1fr, 2fr, 2fr), inset: 8pt, align: horizon, table.header( [*Risque*], [*Probabilité*], [*Impact*], [*Mitigation*] ), [Complexité technique sous-estimée], [Moyenne], [Retard dans le planning], [Décomposition en tâches plus petites], [Indisponibilité des ressources], [Faible], [Blocage temporaire], [Identification d'alternatives], [Changement des exigences], [Faible], [Refonte partielle], [Communication régulière avec l'encadrant], )