HANI BOUNOUA

Ingénieur Vision par Ordinateur & IA

Passionné par l'intelligence artificielle et la robotique, j'ai débuté comme ingénieur en électronique avant de me spécialiser en vision par ordinateur et traitement d'images. Je conçois des systèmes intelligents qui voient, comprennent et interagissent avec le monde réel.

Lyon, France / Disponible
01 / Parcours

Expérience & Formation

No. 01
Développeur Fullstack & IA

Freelance

Lyon, France

Développement d'applications web et de briques IA pour des clients directs : moteurs de recherche rapides et tolérants aux fautes, tunnels de réservation de vols et d'hôtels, sites vitrines livrés de bout en bout.

No. 02
Ingénieur Vision par Ordinateur / IA

SPIE Building Solutions

Bron, France

Conception d'un outil automatisé de suivi temps réel des chantiers intérieurs mêlant réalité augmentée, vision par ordinateur et données BIM. Collecte et annotation d'images terrain, génération de données synthétiques, entraînement de modèles YOLOv8-Seg, YOLACT et Mask R-CNN, puis comparaison automatisée maquette / réalité avec génération de rapports via l'API Autodesk.

No. 03
Développeur d'Algorithmes — Drones & IA

TotalEnergies — R&D

Pau, France

Intégré à l'équipe Numérique du pôle R&D au CSTJF pour développer un POC de drone autonome de détection d'anomalies. Calcul d'empreinte caméra, intégration de données géographiques vectorielles, prise en main du SDK Parrot ANAFI Ai (Olympe, Air SDK) et pipeline 3D vers le simulateur Unreal Engine / Sphinx.

No. 04
Master Informatique — Parcours IA

Université Claude Bernard Lyon 1

Lyon, France

Approfondissement des architectures de deep learning, de la vision par ordinateur avancée et des systèmes intelligents distribués.

No. 05
Master Traitement du Signal & des Images

Université du Littoral Côte d'Opale

Calais, France

Spécialisation en traitement du signal, analyse d'images et apprentissage automatique. Bases solides en mathématiques appliquées et deep learning.

No. 06
Ingénieur Courants Faibles

Cital — Tramway d'Alger

Algérie

Maintenance préventive et corrective des systèmes embarqués du tramway : réseau radio TETRA, SAEIV, radiotéléphonie, pupitres conducteur, réparation de cartes électroniques, boucles de détection, capteurs Balogh et compteurs d'essieux.

No. 07
Master Électronique Industrielle

Université Mouloud Mammeri

Tizi Ouzou, Algérie

Formation axée sur les systèmes électroniques industriels, l'automatisation et le contrôle — le socle matériel sur lequel s'appuie mon travail actuel en vision et en embarqué.

Faire glisser pour explorer

02 / Projets

Mes réalisations

Vision par ordinateur, géospatial et applications web. Cliquez sur une carte pour le détail complet.

7 projets

Détections de segmentation superposées à une scène de chantier SPIE · 2025
Vision par Ordinateur · BIM · AR 01
Suivi de Chantier IA Comparaison automatisée entre la maquette BIM et le chantier réellement exécuté, par segmentation d'images. PythonYOLOv8-SegOpenCVAutodesk API Voir le détail →

Vision par Ordinateur · Réalité Augmentée · BIM

Suivi automatisé de progression de chantier

Développement d'un système intelligent de suivi en temps réel de l'avancement des chantiers intérieurs. La solution s'appuie sur la réalité augmentée, le BIM et des algorithmes de vision par ordinateur pour comparer la maquette numérique initiale au chantier réellement exécuté.

Le processus repose sur quatre étapes :

  • Acquisition — superposition de la maquette 3D sur la scène réelle via Gamma AR, pour une immersion complète sur site.
  • Traitement — récupération des images issues de la caméra mobile et de la vue BIM correspondante.
  • Analyse — détection des équipements et identification des écarts entre conception et exécution grâce à YOLOv8-Seg et OpenCV.
  • Suivi — visualisation des résultats et transmission des données clés à la plateforme collaborative.

Le cœur du système est un modèle de segmentation d'instances entraîné spécifiquement sur les équipements CVC et électriques, dans des conditions difficiles : occlusions, éclairages variables, textures répétitives.

  • Jeu de données — collecte d'images sur site, annotation manuelle des équipements et génération de données synthétiques pour enrichir l'entraînement.
  • Comparaison de modèles — YOLOv8-Seg, YOLACT et Mask R-CNN évalués sur précision, rappel et vitesse d'inférence.
  • Déploiement — export ONNX pour une inférence rapide, intégrée directement dans l'outil de suivi.
Python PyTorch OpenCV YOLOv8-Seg YOLACT Mask R-CNN ONNX PyQt5 Blender Autodesk APIs Gamma AR
Site industriel reconstitué dans le simulateur de vol TotalEnergies · 2024
Drones · SIG · Simulation 02
Navigation Drone POC de drone autonome pour la surveillance industrielle, du calcul d'empreinte au simulateur de vol. Parrot OlympeQGISUnreal Engine Voir le détail →

Vision par Ordinateur · SIG · Simulation de vol

Système de navigation autonome pour drones

Développement d'outils d'analyse et de traitement d'images capturées par des drones, ainsi que d'un pipeline complet d'intégration de modèles 3D dans un environnement de simulation de vol immersif.

  • Traitement d'images — algorithmes avancés pour l'analyse des données visuelles issues des drones.
  • Empreinte caméra — projection au sol du champ de vision à partir de la pose du drone (position, altitude, tangage, lacet) et des paramètres intrinsèques de l'optique, pour connaître la surface réellement couverte par chaque prise de vue.
  • Croisement SIG — intersection de cette empreinte avec des couches vectorielles pour cibler les zones à inspecter et optimiser le recouvrement entre vues successives le long du plan de vol.
  • Intégration 3D — pipeline d'importation de modèles 3D dans un simulateur basé sur Unreal Engine et Sphinx.
Python NumPy QGIS GDAL Parrot Olympe Sphinx Blender Unreal Engine Linux
Carte du potentiel solaire des toits de Lyon et Villeurbanne En ligne
Géospatial · Lancer de rayons 03
Solstice Potentiel solaire de 50 709 toits de Lyon et Villeurbanne, calculé sur le relief LiDAR HD. PythonLiDAR HDMapLibre GLPVGIS Voir le détail →

Géospatial · Lancer de rayons · Cartographie web

Solstice — potentiel solaire des toitures

Carte du potentiel solaire de chaque toit d'une commune, calculée à partir du modèle numérique de surface LiDAR HD de l'IGN (50 cm). La géométrie réelle des toitures — pente, orientation, découpage en pans — est extraite du relief, puis l'ombrage est calculé par lancer de rayons et converti en kWh/an avec l'irradiance PVGIS.

Le démonstrateur couvre les 9 arrondissements de Lyon et Villeurbanne, soit 50 709 bâtiments et 1 152 ha de toiture exploitable. Rien n'est spécifique à ces communes : il suffit d'en ajouter une au fichier de configuration, tant qu'elle est couverte par le LiDAR HD.

  • Alignement — dalles MNS via le WFS de la Géoplateforme, contour communal Nominatim et bâtiments OpenStreetMap, le tout recalé en Lambert-93 avec un contrôle visuel dédié.
  • Géométrie des toits — pente et orientation par pixel, classement en toits plats (< 10°) ou en 8 secteurs, regroupement en pans connexes de 5 m² minimum, surface corrigée de la pente.
  • Ombrage — pour chaque pixel et chaque position du soleil (204 échantillons mois × heure), on marche le long du rayon dans la grille de hauteurs jusqu'à 600 m. Le MNS contenant la canopée, les arbres portent aussi leur ombre : 15 % de perte moyenne à Lyon, 12 % à Villeurbanne.
  • Carte web — MapLibre GL, 4 couches, sélecteur de zone, recherche d'adresse via la BAN, fond sombre ou orthophoto IGN, détail au clic.

Les totaux sont à lire comme un plafond technique : ils supposent chaque m² de toit couvert de panneaux, sans déduire les obstacles techniques ni les contraintes patrimoniales. La validation contre les installations réelles reste à faire.

Python NumPy GeoPandas Rasterio LiDAR HD IGN PVGIS MapLibre GL GitHub Pages
Ouvrir la carte → Code source →
Interface Birdsong : onde, spectrogramme log-Mel et prédictions par fenêtre Projet personnel · 2026
Deep Learning · Audio · Bioacoustique 04
Birdsong Classifier Reconnaissance de 22 espèces d'oiseaux de France à partir de leur chant, sur fichier ou au micro. PyTorchlibrosaONNX Voir le détail →

Deep Learning · Traitement du signal audio · Bioacoustique

Birdsong Classifier

Classification de 22 espèces d'oiseaux communes en France à partir de leur chant. Le son est converti en spectrogramme log-Mel puis confié à un EfficientNet-B0 fine-tuné : un problème d'audio résolu avec les outils de la vision par ordinateur.

  • Données — 1 313 enregistrements Xeno-canto (23,5 h, qualité A/B) découpés en 29 049 clips de 5 s. Le découpage train/val/test se fait par enregistrement source, jamais par clip : deux clips d'un même fichier partagent l'oiseau, le micro et le fond sonore, et le réseau apprendrait à reconnaître l'enregistrement plutôt que l'espèce.
  • Du son à l'image — STFT sur fenêtres de 32 ms, banc de 128 filtres Mel, passage en décibels et normalisation par clip : chaque extrait devient une matrice 128 × 313 que le réseau traite comme une image.
  • Modèle — EfficientNet-B0 pré-entraîné sur ImageNet, adapté à une entrée mono-canal, entraîné avec AdamW, mixup et SpecAugment. 85,0 % d'exactitude par clip et 91,9 % par enregistrement après vote (F1 macro 0,918), sur 197 enregistrements jamais vus.
  • Limites mesurées — les espèces au cri rauque et large bande (geai, corneille, pic épeiche) concentrent les erreurs, le softmax fermé n'a pas de classe « rien », et la robustesse au bruit s'effondre au-delà de σ = 0,25. L'interface affiche la marge top1–top2, meilleur signal de doute que la confiance seule.
  • Interface — dépôt de fichier ou capture micro, onde colorée par statut de fenêtre, spectrogramme réellement reçu par le réseau et seuils réglables à chaud. Le serveur assure tout le traitement du signal, le navigateur ne fait que capturer et dessiner.
Python PyTorch torchaudio librosa EfficientNet-B0 ONNX FastAPI
Voir le code sur GitHub →
Page d'accueil du site Hanane's Signature En ligne
Web App · Pâtisserie 05
Hanane's Signature Vitrine, catalogue et réservation en ligne pour une pâtisserie artisanale. Next.jsReactFirebase Voir le détail →

Application Web Full-Stack · Pâtisserie artisanale

Hanane's Signature

Conception et développement d'une application web complète pour Hanane's Signature, une pâtisserie artisanale. La plateforme combine une vitrine élégante avec un espace d'administration pour la gestion quotidienne de l'activité.

  • Interface d'administration — gestion des actualités, publication de photos de créations, création d'événements et mise à jour du catalogue.
  • Système de réservation — commande en ligne permettant aux clients de réserver leurs pâtisseries à l'avance.
  • Catalogue produits — galerie dynamique des créations avec photos, descriptions et tarifs, entièrement administrable.
  • Actualités & événements — publication de nouveautés et d'annonces.
Next.js React Firebase Vercel
Voir le site en ligne →
Page d'accueil du site de l'AAFD En ligne
Web App · Bénévolat 06
AAFD Espace d'administration, réservation de plats et galerie photos pour une association. Next.jsReactFirebase Voir le détail →

Application Web Full-Stack · Bénévolat

Association d'Aide aux Familles en Difficulté

Dans le cadre d'un engagement bénévole, conception et développement d'une application web complète pour l'AAFD. La plateforme offre aux familles un accès simple aux services de l'association et dote les administrateurs d'un espace de gestion complet.

  • Interface d'administration — tableau de bord pour publier des actualités, ajouter des photos, créer des événements et gérer la vente de plats.
  • Réservation de plats — module en ligne permettant aux utilisateurs de réserver et commander directement depuis le site.
  • Actualités & événements — affichage dynamique des activités de l'association.
  • Galerie photos — gestion et affichage des albums des événements associatifs.
Next.js React Firebase Vercel
Voir le site en ligne →
Page d'accueil du site VisaAssist En ligne
Web App · Services administratifs 07
VisaAssist Assistance aux démarches de visa américain et Schengen, en trois langues. Next.jsi18nVercel Voir le détail →

Site vitrine · Services administratifs · Multilingue

VisaAssist

Plateforme d'assistance aux démarches de visa : formulaires américains DS-160 et DS-260, visas Schengen et procédures de réunification familiale. Le site s'adresse aux personnes qui préparent un voyage et cherchent un accompagnement sur des dossiers administratifs denses.

  • Services — six domaines d'intervention, du visa Schengen au coaching pour l'entretien consulaire, en passant par les réservations et l'assurance voyage.
  • Parcours en quatre étapes — consultation initiale, remplissage des formulaires, prise de rendez-vous et préparation de l'entretien.
  • Multilingue — interface complète en anglais, français et espagnol, avec sélecteur de langue persistant.
  • Contact direct — prise de rendez-vous par e-mail ou WhatsApp, avec horaires d'ouverture affichés.
Next.js React i18n Vercel
Voir le site en ligne →
03 / Compétences

Expertise

01 / Vision

COMPUTER VISION

Expertise OpenCV, YOLO et architectures de segmentation (Mask R-CNN, YOLACT). Détection d'objets temps réel, tracking et analyse de scènes complexes.

02 / Learning

MACHINE LEARNING

Maîtrise de PyTorch, TensorFlow et Scikit-learn. Entraînement et optimisation de modèles de deep learning pour des cas d'usage industriels.

03 / Signal

TRAITEMENT DU SIGNAL

Techniques de débruitage, transformée de Fourier et méthodes de filtrage. Manipulation de données avec NumPy et Pandas pour l'analyse avancée.

04 / Embarqué

3D & EMBARQUÉ

Modélisation et simulation avec Blender et Unreal Engine. Systèmes embarqués et IoT en C++ et Raspberry Pi pour la programmation bas niveau.

04 / Contact

À propos

Portrait de Hani Bounoua

Hani Bounoua — Lyon, 2026

Langages

  • Python
  • C++
  • Java
  • SQL

IA & Vision

  • PyTorch
  • TensorFlow
  • OpenCV
  • Open3D
  • YOLO / ONNX
  • Scikit-learn

Outils & 3D

  • Blender
  • Unreal Engine
  • QGIS
  • Linux

Formation

  • Master IA — Lyon 1
  • Master Signal — ULCO

Localisation

  • Lyon
  • France
  • Remote / Hybride

© 2026 Hani Bounoua. Tous droits réservés.

Conçu à Lyon — HTML, CSS & JavaScript, sans framework.