TP : Travaux Pratiques - IA Embarquée & Ionic/Angular

Cette série de TPs vise à intégrer des fonctionnalités d’Intelligence Artificielle directement sur le terminal mobile (Inférence locale) en utilisant le framework Ionic et Angular.

---

TP 1 : Reconnaissance d’Images avec TensorFlow Lite

Objectif : Créer une application capable de classifier des objets en temps réel via la caméra sans connexion internet.

1. Installation du plugin Capacitor pour TensorFlow Lite.
2. Chargement d’un modèle pré-entraîné (ex: MobileNetV2).
3. Affichage du flux vidéo dans un composant Angular et superposition des labels de classification.

TP 2 : Analyse de Sentiment “On-Device”

Objectif : Utiliser une bibliothèque de Natural Language Processing (NLP) pour analyser le ton d’un message saisi dans un formulaire Ionic.

1. Utilisation du formulaire Ionic présenté en cours (Page 32).
2. Intégration d’un modèle local (ex: MediaPipe Text Classification) pour détecter si le commentaire est “Positif” ou “Négatif”.
3. Changement dynamique de la couleur de l’interface (ion-toolbar) en fonction du sentiment détecté.

TP 3 : Authentification par Reconnaissance Faciale

Objectif : Sécuriser l’accès à une page de l’application via la biométrie faciale.

1. Utilisation de la bibliothèque face-api.js ou d’un plugin Capacitor ML Kit.
2. Capture de l’image de l’utilisateur lors du “Submit” du formulaire Ionic.
3. Comparaison locale avec une image de référence stockée dans le SecureStorage du téléphone.

TP 4 : Commande Vocale pour Formulaires Mobiles

Objectif : Remplir automatiquement un formulaire Ionic par la voix (Accessibilité).

1. Intégration de l’API Web Speech (Speech Recognition) dans un composant Angular Standalone.
2. Mapping des mots-clés vocaux vers les champs du formulaire (nom, prenom, email).
3. Feedback visuel lors de la détection d’un champ via l’IA de reconnaissance vocale.

TP 5 : Détection et Scan d’Objets Intelligents

Objectif : Scanner des codes-barres ou des QR codes de manière intelligente (gestion de l’autofocus et des basses lumières via IA).

1. Installation de @capacitor-mlkit/barcode-scanning.
2. Création d’une page de scan avec un overlay personnalisé.
3. Traitement des données scannées pour pré-remplir un catalogue de produits local.