|
REPUBLIQUE DU
BENIN
********
MINISTERE DE L'ENSEIGNEMENT
SUPÉRIEUR ET
DE LA RECHERCHE
SCIENTIFIQUE
*****************
THÈME :
UNIVERSITE NATIONALE DES SCIENCES, TECHNOLOGIES,
INGÉNIERIE ET MATHÉMATIQUES D'ABOMEY
*************
INSTITUT NATIONAL SUPERIEUR DE TECHNOLOGIE INDUSTRIELLE
DE LOKOSSA
Département : Option
:
Génie Electrique et Informatique Informatique et
Télécommunication
(GEI) (IT)
RAPPORT DES TRAVAUX DE FIN D'ÉTUDES POUR L'OBTENTION DU
DIPLÔME DE LICENCE PROFESSIONNELLE
DEVELOPPEMENT D'UN SYSTEME POUR LA PRÉVISION DES
PRIX
DES PRODUITS AGRICOLES PAR L'ANALYSE DES DONNÉES
ET
L'APPRENTISSAGE AUTOMATIQUE : CAS DU MAÏS
Rédigé et présenté par :
Sabin ASSOGBA & Mario LIGAN
Lieu de stage : INSTI
Tuteur de stage et Superviseur :
Dr M. Abel KONON Maître-Assistant CAMES
Année Académique : 2022-2023
DEDICACES 1
Je rends grâce à Dieu tout puissant et je
dédie ce document à mes parents LIGAN Brice et ADJAÏ
Alphonsine, pour leur patience, leur détermination, leur amour
et leurs sacrifices.
Réalisé et soutenu par Sabin ASSOGBA et Mario
LIGAN
Mario M. O. LIGAN
DEDICACES 2
Je rends grâce à Dieu tout puissant et je
dédie ce document à mes parents ASSOGBA K. Robert et
DOSSA Yvette, pour leur patience, leur détermination, leur
amour et leurs sacrifices.
Sabin M. ASSOGBA
2
-
Réalisé et soutenu par Sabin ASSOGBA et Mario
LIGAN
REMERCIEMENTS
Le présent travail que nous avons réalisé
n'a été possible que grâce aux soutiens, apports et
conseils du Dieu tout puissant et de certaines personnes, grands acteurs de nos
études universitaires. En signe de gratitude et de reconnaissance, nous
tenons vivement à remercier :
- Pr GUIDI Clotilde, Directrice de l'INSTI
pour tous les sacrifices qu'elle a consentis pour que notre formation soit de
qualité ;
- Dr (MC) Sèdjro Yvette KIKI
TANKPINOU, Directrice adjointe de l'INSTI, pour tous les sacrifices et
efforts qu'elle et son équipe ont fournis pour notre succès
académique;
- Dr (MA) KONNON M. Abel, notre chef de
département et aussi notre superviseur, pour nous avoir donné
l'opportunité de travailler sur ce sujet d'une part, puis sa
disponibilité et son engagement d'autre part;
- Tous nos enseignants, pour avoir joué
un rôle crucial dans notre formation;
- Les membres du jury pour
avoir sacrifié leur temps pour examiner et apprécier notre
travail de fin d'étude.
Aussi à tous ceux qui de près ou de loin nous ont
accompagnés et soutenus.
3
Réalisé et soutenu par Sabin ASSOGBA et Mario
LIGAN
TABLE DES MATIÈRES
Dédicaces 1
Remerciements 2
TABLE DES ATIÈRES 4
Liste des acronymes et abréviations 6
Liste des figures 7
Liste des tableaux 8
Cahier des charges 9
RESUME 10
ABSTRACT 11
INTRODUCTION 12
Chapitre 1 : 13
1.1 Présentation de la structure de formation 13
1.1.1 Historique 13
1.1.2 Situation géographique 14
1.1.3 Organisation structurelle 14
1.1.4 Domaine et formations 15
1.1.5 Unités d'accueil de l'INSTI 17
Chapitre 2 19
2.1 Apprentissage de la technologie TensorFlow 19
2.1.1 Présentation de la technologie . 19
2.1.2 Processus d'apprentissage 19
2.2 Travaux sur le fichier de rapports de supervision de stage
de fin d'étude des
apprenants de licence 3 20
2.2.1 Fonctions ajouté 20
2.2.2 Méthodologie 22
4
Réalisé et soutenu par Sabin ASSOGBA et Mario
LIGAN
2.3 Introduction aux tâches administratives 22
2.4 Travaux sur la plateforme Gestion de TFE 23
2.5 Création d'une application web de gestion des
rattrapages et des reprises 25
Chapitre 3 28
3.1 Présentation du projet de fin d'étude
28
3.1.1 Problématique 28
3.1.2 Pertinence et nouveauté du thème . 29
3.1.3 Objectifs 30
3.2 Démarche méthodologique 30
3.3 Analyse fonctionnelle 31
3.4 Choix des outils et technologies . 32
3.4.1 Langages informatiques 32
3.4.2 Frameworks 34
3.4.3 Outils de conception et de modélisation . 37
3.4.4 Algorithme de prédiction 38
Chapitre 4 40
4.1 Développement et fonctionnement de l'algorithme
40
4.2 Processus de communication entre l'application Flask et
Laravel . 43
4.3 Modélisation en UML 45
4.3.1 Modélisation des cas d'utilisation 45
4.3.2 Modélisation des diagrammes de classe 46
4.3.3 Élaboration des diagrammes de séquence
47
4.4 Réalisation de la plateforme de prévision
HarvestInsight . 48
4.4.1 Page d'accueil . 49
4.4.2 Page de prévision .. 49
4.5 Précision de l'algorithme 50
CONCLUSION 52
Références bibliographiques 53
Webographie 54
5
Réalisé et soutenu par Sabin ASSOGBA et Mario
LIGAN
LISTE DES ACRONYMES
CAMES : Conseil Africain et Malgache pour l'Enseignement
Supérieur
CSS : Cascadant Style Sheets
DT : Diplôme Technique
INSTI : Institut National Supérieur de Technologie
Industrielle
IUT : Institut Universitaire de Technologie
GEI : Génie Électrique et Informatique
HTML : HyperText Markup Language
HTTP : HyperText Transfer Protocol
MAEP : Ministère de l'Agriculture, de l'Elevage et de
la Pêche
ODD : Objectifs de développement durable
PHP : Hypertext Preprocessor
TFE : Travaux de Fin d'Etudes
UAC : Université d'Abomey Calavi
UNSTI M
: Université Nationale des Sciences, Technologies,
Ingénierie et Mathématiques
6
Réalisé et soutenu par Sabin ASSOGBA et Mario
LIGAN
LISTE DES TABLES ET FIGURES
I - LISTES DES FIGURES
Figure 1 : Entrée principale de l'INSTI Lokossa 12
Figure 2 : Situation géographique de l'INSTI-Lokossa
13
Figure 3 : Organigramme de l'INSTI-Lokossa 14
Figure 4 : Image montrant des statistiques de performance des
modèles .... 19
Figure 5 : Aperçu du fichier Excell créer 20
Figure 6 : Aperçu du site de gestion de TFE 22
Figure 7 : Aperçu de la page d'ajout du document de TFE
23
Figure 8 : Aperçu du déroulement du
téléversement avec Filezilla 24
Figure 9 : Interface de la plateforme gestion des rattrapages
et reprises 25
Figure 10 : Logo du Framework Laravel 33
Figure 11 : Logo du Framework Flask 34
Figure 12 : Etape de développement du modèle
39
Figure 13 : Processus de communication entre l'application
Flask et Laravel .......42
Figure 14 : Diagramme de cas d'utilisation 45
Figure 15 : Diagramme de classe 46
Figure 16 : Diagramme de séquences du cas d'utilisation
S'authentifier 47
Figure 17 : Diagramme de séquences du cas d'utilisation
Visualiser 47
Figure 18 : Interface d'accueil 48
Figure 19 : Aperçu de l'interface de la page de
prévision 49
Figure 20 : Courbes des erreurs d'entrainement et de
validation . 50
7
Réalisé et soutenu par Sabin ASSOGBA et Mario
LIGAN
| 
