École Privée d’Ingénierie du Niger — L’école du nouveau monde

✉ elearning@epiniger.edu.ne    🌐 epiniger.edu.ne

EPI e-Learning

L'école du nouveau monde · Plateforme e-Learning

Semestre : Licence 3

  • Développement Mobile Avancé

    Le cours DMA5142 — Développement Mobile Avancé prolonge l’initiation au développement mobile (S3) vers la réalisation d’applications React Native (Expo) de niveau professionnel : architecture maintenable, gestion d’état avancée, fonctionnalités natives (paiement mobile, cartes, biométrie, notifications), performance, tests, publication et monétisation. Le fil rouge est une application d’e-commerce de produits locaux (kilishi, fromage wagashi, beurre de karité…) avec livraison à Niamey et paiement par Mobile Money (Airtel Money, Moov Money, Amanata). Les contraintes du terrain nigérien sont prises en compte : smartphones Android d’entrée de gamme, réseau 3G/4G irrégulier, forfaits data coûteux — d’où une approche offline-first et des applications légères.

    Objectifs d’apprentissage

    • Développer des applications mobiles complexes avec gestion d’état avancée (Redux, MobX et alternatives légères).
    • Intégrer des fonctionnalités natives avancées : paiement mobile, cartes, authentification biométrique.
    • Optimiser les performances des applications React Native : rendu, mémoire, taille du bundle.
    • Déployer et monitorer une application mobile en production sur Google Play et l’App Store.

    Prérequis

    Introduction au Développement Mobile (DMO3122, GELO S3) ; Programmation Orientée Objet Java/C++ (POO4131). JavaScript ES6+ (fonctions fléchées, promesses, async/await, modules) et bases de React (composants, props, hooks useState/useEffect).

    Plan du cours

    1. Leçon 1 — Architecture et gestion d’état avancée
    2. Leçon 2 — Fonctionnalités natives avancées
    3. Leçon 3 — Performance et tests
    4. Leçon 4 — Déploiement et monétisation

    Travaux pratiques

    • TP guidé (leçon 2) : paiement Mobile Money de bout en bout (backend, webhook, suivi d’état).
    • TP projet (leçon 4) : application mobile complète avec paiement mobile africain et déploiement sur le Play Store (piste de test interne).

    Environnement : Node.js LTS, Expo (SDK récent), Android Studio/émulateur ou téléphone Android avec Expo Go, compte Expo (EAS), Git/GitHub.

    Modalités d’évaluation

    Volume horaire : CM 10 h, TD 10 h, TP 20 h, TPE 20 h, soit 60 h (3 crédits). Évaluation CC + ET : contrôle continu 40 % (TP, projet et démonstration) et examen terminal 60 % ; nature mixte.

    Bibliographie

    • B. Eisenman, Learning React Native, O’Reilly.
    • Documentation officielle Expo : docs.expo.dev (gratuite).
    • Documentation React Native (reactnative.dev), Redux Toolkit (redux-toolkit.js.org), TanStack Query (tanstack.com/query).
    • R. C. Martin, Clean Architecture, Prentice Hall.

  • Python & Data Science

    Le cours PDS5141 — Python & Data Science (semestre 5, Licence professionnelle GELO) fait passer l’étudiant de l’usage « scolaire » de Python à la construction de véritables pipelines de données et de modèles d’apprentissage automatique (Machine Learning, ML) déployés en production. Les exemples sont tirés du contexte nigérien : transactions Mobile Money (Airtel Money, Moov Money, Amanata), microfinance à Maradi, pharmacies de Niamey, scolarité à EPI-Niger. Une attention particulière est portée aux contraintes locales : faible bande passante, serveurs modestes, besoin de modèles légers et explicables.

    Objectifs d’apprentissage

    • Maîtriser Python avancé pour le développement de pipelines de data science et d’applications IT.
    • Implémenter et évaluer des modèles de Machine Learning supervisés et non supervisés.
    • Déployer un modèle de Machine Learning en production via une API REST (FastAPI).
    • Appliquer le ML à des problèmes réels liés au contexte africain et nigérien.

    Prérequis

    Programmation Orientée Objet Java/C++ (POO4131, GELO S4) ; Statistiques & Data Analysis (SDA4122). Une pratique de base de Python 3 (types, fonctions, listes, dictionnaires) est supposée acquise.

    Plan du cours

    1. Leçon 1 — Python avancé pour la Data Science
    2. Leçon 2 — Machine Learning supervisé
    3. Leçon 3 — Machine Learning non supervisé
    4. Leçon 4 — Déploiement de modèles ML

    Travaux pratiques

    • TP guidé (leçon 3) : segmentation des clients d’une fintech nigérienne par clustering.
    • TP guidé (leçon 4) : pipeline complet entraînement → évaluation → déploiement → monitoring d’un modèle ML (MLflow, FastAPI, Docker, Redis).

    Environnement conseillé : Python 3.11 ou plus, NumPy, pandas, scikit-learn, MLflow, FastAPI, Docker. Tout peut fonctionner hors ligne une fois les paquets installés (pensez à préparer un miroir local ou un wheelhouse pip pour les salles à connexion limitée).

    Modalités d’évaluation

    Volume horaire : CM 10 h, TD 10 h, TP 20 h, TPE 20 h, soit 60 h (3 crédits). Évaluation CC + ET : contrôle continu 40 % (TP notés, mini-projet de déploiement) et examen terminal 60 % ; nature mixte (écrit et pratique).

    Bibliographie

    • A. Géron, Hands-On Machine Learning with Scikit-Learn, Keras and TensorFlow, O’Reilly.
    • J. VanderPlas, Python Data Science Handbook, O’Reilly (version gratuite sur GitHub).
    • W. McKinney, Python for Data Analysis, O’Reilly (complément sur pandas).
    • Documentations officielles : scikit-learn.org, pandas.pydata.org, fastapi.tiangolo.com, mlflow.org.

  • Sécurité des Réseaux & VPN

    Les banques, opérateurs de Mobile Money, administrations et ESN du Niger sont exposés aux mêmes menaces que partout ailleurs : rançongiciels, vol d’identifiants, intrusion par des services mal exposés. Ce cours, tourné vers la défense, apprend à concevoir une architecture réseau en défense en profondeur, à relier des sites et des télétravailleurs par des VPN robustes (IPsec, TLS, WireGuard), à détecter les intrusions avec Snort, Suricata et un SIEM, et à conduire un audit de sécurité réseau jusqu’au rapport de vulnérabilités. Toutes les manipulations se font en laboratoire, sur des réseaux dont on a la responsabilité ou une autorisation écrite : c’est une exigence éthique et légale.

    Objectifs d’apprentissage

    • Concevoir et mettre en œuvre une architecture de sécurité réseau en défense en profondeur.
    • Configurer des VPN site-à-site et accès distant sur équipements Cisco et Linux.
    • Implémenter des solutions IDS/IPS pour la détection et la prévention des intrusions réseau.
    • Réaliser des audits de sécurité réseau et produire des rapports de vulnérabilité.

    Prérequis

    Introduction à la Cybersécurité (CYB4142, GELO S4) ; Administration Réseaux & Cisco CCNA I (CCN4141, GELO S4). Adressage IPv4, VLAN, routage, ACL Cisco, commandes Linux de base.

    Plan du cours

    1. Leçon 1 — Architecture de Sécurité Réseau
    2. Leçon 2 — VPN : Protocoles et Configuration
    3. Leçon 3 — IDS/IPS et Surveillance Réseau
    4. Leçon 4 — Audit de Sécurité Réseau

    Travaux pratiques

    • TP guidé 1 (leçon 1) : conception d’une architecture sécurisée pour une ESN nigérienne sous Cisco Packet Tracer.
    • Travaux dirigés sur machine : VPN IPsec entre deux routeurs, serveur WireGuard sous Linux (leçon 2) ; règles Suricata/Snort sur une trace PCAP de laboratoire (leçon 3).
    • TP guidé 2 (leçon 4) : audit complet d’un réseau simulé et rapport de vulnérabilités avec recommandations.
    • Outils : Packet Tracer, VM Ubuntu/Debian, Suricata, Snort, Wireshark/tshark, Nmap, WireGuard, OpenVPN.

    Modalités d’évaluation

    Volume horaire : CM 10 h, TD 10 h, TP 20 h, TPE 20 h, soit 60 h de charge totale (CTT) ; 3 crédits. Évaluation CC + ET : contrôle continu 40 %, examen terminal 60 % ; nature mixte (écrit et pratique). Le rapport d’audit du TP 2 compte dans le contrôle continu.

    Bibliographie

    • W. Stallings, Network Security Essentials: Applications and Standards, Pearson.
    • C. Sanders, J. Smith, Applied Network Security Monitoring, Syngress.
    • NIST SP 800-207, Zero Trust Architecture (2020) ; documentation Suricata (docs.suricata.io) et Nmap (nmap.org/book).

  • Administration Réseaux & Serveurs Windows

    Dans les administrations, banques, ONG et entreprises nigériennes, les postes de travail sont très majoritairement sous Windows et l’annuaire Active Directory est au cœur de la gestion des identités. Ce cours, à forte dominante pratique, forme l’étudiant à installer et administrer un domaine Windows Server : Active Directory, services réseau (DNS, DHCP, IIS, serveur de fichiers et DFS), stratégies de groupe, haute disponibilité, sauvegarde et intégration au cloud Microsoft (Entra ID, ex-Azure AD). Toutes les manipulations sont présentées à la fois dans les consoles graphiques et en PowerShell, afin de pouvoir automatiser et administrer des serveurs Core depuis un poste distant — un atout lorsque la bande passante entre sites est limitée.

    Objectifs d’apprentissage

    • Installer, configurer et administrer un domaine Windows Server avec Active Directory.
    • Déployer et gérer les services réseau Windows : DNS, DHCP, IIS, GPO.
    • Comprendre et configurer les services cloud hybrides Microsoft Azure AD (Microsoft Entra ID).
    • Assurer la haute disponibilité et la sauvegarde des services Windows en production.

    Prérequis

    Administration Réseaux & Cisco CCNA I (CCN4141, GELO S4) ; Linux LPI 201 — Administration Intermédiaire (LNX3141, GELO S3). Adressage IPv4 et sous-réseaux, notions DNS/DHCP, ligne de commande.

    Plan du cours

    1. Leçon 1 — Windows Server et Active Directory
    2. Leçon 2 — Services Réseau Windows
    3. Leçon 3 — Stratégies de Groupe (GPO)
    4. Leçon 4 — Haute Disponibilité et Cloud Hybride

    Travaux pratiques

    • Laboratoire virtualisé (Hyper-V, VirtualBox ou VMware) : 2 contrôleurs de domaine Windows Server 2022 (versions d’évaluation), 1 serveur membre, 1 client Windows 10/11, 1 client Ubuntu.
    • TP guidé 1 (leçon 3) : mise en place d’une infrastructure AD complète avec GPO de sécurité et de déploiement.
    • TP guidé 2 (leçon 4) : configuration d’un environnement hybride AD + Microsoft Entra ID (Azure AD) avec authentification unique (SSO).

    Modalités d’évaluation

    Volume horaire : CM 20 h, TD 10 h, TP 30 h, TPE 20 h, soit 80 h de charge totale (CTT) ; 4 crédits. Évaluation CC + ET : contrôle continu 50 %, examen terminal 50 % ; nature : TP (épreuves pratiques sur machine).

    Bibliographie

    • Microsoft, documentation Windows Server (learn.microsoft.com, anciennement docs.microsoft.com — gratuite).
    • W. Panek, MCSA Windows Server 2022 Study Guide (titre à vérifier selon l’édition disponible), Sybex.
    • Microsoft, documentation Microsoft Entra ID et Microsoft Entra Connect (learn.microsoft.com).

  • Oracle & BDD Avancées

    Ce cours approfondit l’usage professionnel des bases de données. Dans les banques, les institutions de microfinance, les régies financières et les grands comptes de l’administration nigérienne, Oracle Database reste un SGBD de référence : l’ingénieur génie logiciel doit savoir en comprendre l’architecture, y programmer la logique métier en PL/SQL et diagnostiquer les requêtes lentes. Le cours ouvre ensuite sur MongoDB et l’architecture « polyglotte », qui combine un SGBDR transactionnel et une base documentaire selon la nature des données. Les exemples s’appuient sur des cas locaux : microfinance à Maradi, réseau de pharmacies à Niamey, gestion de scolarité.

    Objectifs d’apprentissage

    • Administrer une base de données Oracle : architecture, instances, schémas, utilisateurs.
    • Optimiser les performances d’une BDD Oracle : plans d’exécution, hints, partitionnement.
    • Programmer en PL/SQL : procédures, fonctions, packages, curseurs, exceptions, triggers.
    • Comprendre les BDD NoSQL avancées (MongoDB) et les cas d’usage de l’architecture polyglotte.

    Prérequis

    SQL & Bases de Données Relationnelles (SQL3131, GELO S3) ; Modélisation BDD & Merise Avancée (BDM2133, GELO S2). Les jointures, sous-requêtes, contraintes d’intégrité et la normalisation doivent être maîtrisées.

    Plan du cours

    1. Leçon 1 — Architecture Oracle Database
    2. Leçon 2 — PL/SQL Avancé
    3. Leçon 3 — Optimisation des Performances Oracle
    4. Leçon 4 — MongoDB et BDD Polyglotte

    Travaux pratiques

    • Environnement conseillé : Oracle Database Free (édition gratuite de la dernière version) ou Oracle XE, SQL*Plus ou SQL Developer ; MongoDB Community Server et mongosh.
    • TP guidés : création de tablespaces et d’utilisateurs ; programmation d’un package PL/SQL de microfinance ; lecture de plans d’exécution et indexation ; TP de synthèse du syllabus : migration partielle d’une application Java/Oracle vers une architecture avec MongoDB (leçon 4).

    Modalités d’évaluation

    Volume horaire : CM 10 h, TD 10 h, TP 20 h, TPE 20 h, soit 60 h de charge totale (CTT) ; 3 crédits. Évaluation CC + ET : contrôle continu 30 %, examen terminal 70 % ; nature mixte (écrit et pratique sur machine).

    Bibliographie

    • S. Alapati, Expert Oracle Database Architecture (T. Kyte et D. Kuhn pour les éditions récentes), Apress.
    • K. Chodorow (et S. Bradshaw, E. Brazil pour les éditions récentes), MongoDB: The Definitive Guide, O’Reilly.
    • S. Feuerstein, B. Pribyl, Oracle PL/SQL Programming, O’Reilly (complément).
    • Documentation Oracle Database (docs.oracle.com) et MongoDB (mongodb.com/docs).

  • Big Data & Hadoop/Spark

    Ce cours de semestre 5 initie les étudiants de la Licence professionnelle Génie Logiciel aux systèmes de traitement de très grandes volumétries de données. Opérateurs de téléphonie, services de Mobile Money, programmes de santé publique ou administrations fiscales produisent chaque jour des millions d’enregistrements que les bases relationnelles classiques ne suffisent plus à stocker et à analyser dans des délais utiles. Le cours part des concepts (les 5 V, les architectures Lambda et Kappa, les bases NoSQL et le théorème CAP), présente l’écosystème Hadoop (HDFS, MapReduce, YARN, Hive, HBase, Sqoop, Flume), puis se concentre sur Apache Spark, devenu le moteur de référence du traitement distribué. Il se termine par la conception de pipelines de données complets et un cas pratique sur des données de télécommunications nigériennes.

    Objectifs d’apprentissage

    • Comprendre les enjeux et les architectures des systèmes Big Data : les 5 V.
    • Maîtriser l’écosystème Hadoop : HDFS, MapReduce, YARN — principes et configuration.
    • Utiliser Apache Spark pour le traitement distribué de grandes volumétries de données.
    • Concevoir des pipelines de données (data pipelines) pour l’ingestion, le traitement et la visualisation.

    Prérequis

    SQL & Bases de Données Relationnelles (SQL3131, GELO S3) ; Python & Data Science (PDS5141, GELO). Une aisance avec la ligne de commande Linux est recommandée.

    Plan du cours

    1. Leçon 1 — Fondamentaux du Big Data
    2. Leçon 2 — Écosystème Hadoop
    3. Leçon 3 — Apache Spark
    4. Leçon 4 — Pipelines de Données et Cas Pratiques

    Travaux pratiques

    Le syllabus ne prévoit pas d’heures de TP encadrées (0 h) ; les 8 h de TD et les 50 h de travail personnel (TPE) s’appuient sur des exercices corrigés exécutables avec PySpark en mode local (pip install pyspark, Java 17) : WordCount Hadoop Streaming, transformations RDD, DataFrames et Spark SQL, et un pipeline complet CSV → Spark → Parquet sur des CDR (Call Detail Records) simulés d’un opérateur nigérien.

    Modalités d’évaluation

    Volume horaire : CM 22 h, TD 8 h, TP 0 h, TPE 50 h, soit 80 h de charge totale (CTT) ; 4 crédits. Évaluation CC + ET : contrôle continu 30 %, examen terminal 70 % ; nature mixte (écrit et pratique).

    Bibliographie

    • T. White, Hadoop: The Definitive Guide, O’Reilly.
    • J. Damji, B. Wenig, T. Das, D. Lee (M. Zaharia et al. pour la 1re édition), Learning Spark, O’Reilly.
    • M. Kleppmann, Designing Data-Intensive Applications, O’Reilly (complément).
    • Documentation officielle Apache Spark (spark.apache.org/docs) et Apache Hadoop (hadoop.apache.org).

  • Business Plan & Entrepreneuriat Tech

    Le cours BPL5112 — Business Plan & Entrepreneuriat Tech apprend à l’étudiant GELO de S5 à transformer une idée de solution numérique en projet d’entreprise crédible : valider le problème et le marché, construire un modèle économique, chiffrer un business plan sur trois ans, estimer une valorisation, puis convaincre des financeurs par un pitch. Le fil conducteur est un projet de startup réel ou réaliste au Niger (fintech et Mobile Money, e-santé, agritech, edtech, services aux PME), mené en équipe de 3 à 4 étudiants tout au long du semestre, en s’appuyant sur l’écosystème local (incubateur CIPMEN, structures publiques d’appui aux PME, bailleurs et investisseurs d’impact de la région).

    Objectifs d’apprentissage

    • Concevoir et rédiger un business plan complet pour une startup numérique au Niger.
    • Maîtriser les méthodes de validation de l’idée et du marché : Lean Startup, Design Thinking.
    • Comprendre les mécanismes de financement des startups tech en Afrique de l’Ouest.
    • Présenter et défendre un projet entrepreneurial devant un jury d’investisseurs simulé.

    Prérequis

    Gestion Financière & Budgétaire Avancée (GFB3111) — GELO S3 ; Droit du Numérique & Propriété Intellectuelle. Notions de compte de résultat, bilan, trésorerie et actualisation.

    Plan du cours

    1. Leçon 1 — Idéation et Validation du Concept
    2. Leçon 2 — Étude de Marché Tech Niger
    3. Leçon 3 — Business Plan Financier
    4. Leçon 4 — Pitch et Financement

    Travaux pratiques

    • TP guidé 1 (Leçon 1) : interviews utilisateurs et Business Model Canvas du projet d’équipe.
    • TP guidé 2 (Leçon 2) : enquête quantitative et estimation TAM / SAM / SOM.
    • TP guidé 3 (Leçon 3) : modèle financier sur tableur (revenus, charges, compte de résultat, trésorerie, point mort).
    • TP guidé 4 (Leçon 4) : pitch de 5 minutes devant jury investisseurs + questions-réponses — notation 360°.

    Modalités d’évaluation

    Volume horaire : CM 10 h, TD 10 h, TP 20 h, TPE 20 h, soit 60 h (3 crédits). Évaluation CC + ET : contrôle continu 50 % (livrables d’équipe : canvas, étude de marché, modèle financier, pitch) et examen terminal 50 %. Nature : mixte.

    Bibliographie

    • E. Ries, The Lean Startup, Crown Business.
    • A. Osterwalder & Y. Pigneur, Business Model Nouvelle Génération, Pearson.
    • A. Osterwalder et al., Value Proposition Design, Wiley.
    • S. Blank & B. Dorf, The Startup Owner’s Manual, K&S Ranch.

  • Gestion de Projets IT Agile/Scrum (avancé)

    Le cours AGI5111 — Gestion de Projets IT Agile/Scrum (avancé) approfondit, au semestre 5, les bases vues en GPI4111. Lorsqu’un projet dépasse une équipe Scrum — par exemple la plateforme de services numériques d’une banque régionale, le système intégré d’une administration ou une super-application de Mobile Money — il faut coordonner plusieurs équipes, aligner les priorités sur la stratégie, piloter un portefeuille de projets et gérer les crises. Le cours présente les cadres agiles à grande échelle (SAFe, LeSS, Nexus, Scrum@Scale), le management de portefeuille (Portfolio Kanban, WSJF, OKR, PI, métriques), la gestion des risques et des crises IT, puis prépare aux certifications PSM I et PSPO I de Scrum.org. Il est très pratique : 20 h de TP, dont une simulation complète de PI Planning.

    Objectifs d’apprentissage

    • Maîtriser le management d’équipes de développement agile à grande échelle (SAFe, LeSS).
    • Concevoir et piloter un programme multi-projets IT avec les méthodes avancées de portfolio management.
    • Gérer les crises et les changements dans les projets logiciels complexes.
    • Se préparer à la certification Scrum Master ou Product Owner (PSM I, PSPO I).

    Prérequis

    Gestion de Projet IT — Agile/Scrum/PMBOK (GPI4111) — GELO S4 : rôles, événements et artefacts Scrum, user stories, estimation en points, Kanban.

    Plan du cours

    1. Leçon 1 — Scrum à Grande Échelle
    2. Leçon 2 — Portfolio et Programme Management
    3. Leçon 3 — Gestion des Risques et des Crises IT
    4. Leçon 4 — Certification et Cas Pratiques

    Travaux pratiques

    • Cas pratique (Leçon 1) : planification d’un Programme Increment pour 5 équipes (capacités, objectifs, dépendances).
    • TP (Leçon 2) : priorisation WSJF d’un backlog de features et calcul des métriques de programme.
    • TP (Leçon 3) : simulation de war room et rédaction d’un post-mortem sans reproche.
    • TP (Leçon 4) : simulation complète d’un PI Planning avec Product Roadmap, Team Breakouts et présentation.

    Modalités d’évaluation

    Volume horaire : CM 10 h, TD 10 h, TP 20 h, TPE 20 h, soit 60 h (3 crédits). Évaluation CC + ET : contrôle continu 50 % (TP, simulation de PI Planning, examen blanc type PSM I) et examen terminal 50 %. Nature : mixte.

    Bibliographie

    • Knaster & Leffingwell, SAFe 6.0 Distilled, Addison-Wesley.
    • Schwaber & Sutherland, Le Guide Scrum 2020, scrumguides.org (gratuit).
    • Larman & Vodde, Large-Scale Scrum: More with LeSS, Addison-Wesley.
    • Beyer et al., Site Reliability Engineering, O’Reilly (chapitres post-mortem et gestion d’incident).

  • Suivi Mémoire (encadrement)

    Le Suivi Mémoire (SUV6402) organise l’encadrement de l’étudiant de Licence professionnelle GEEL pendant la rédaction de son mémoire de fin d’études, en parallèle du stage professionnel (STG6401). Il combine des séances individuelles avec le tuteur académique, des séances collectives (présentations d’avancement, relecture croisée, séminaire de préparation à la soutenance, conférence d’un ancien diplômé GEEL) et une procédure de validation et de dépôt final (anti-plagiat, avis de dépôt, constitution du jury). Les exemples du cours s’appuient sur des mémoires typiques de la filière : mini-réseaux solaires ANPER, pompage solaire dans la région de Maradi, qualité de service d’un réseau BT NIGELEC, efficacité énergétique d’une industrie de Niamey.

    Objectifs d’apprentissage

    • Accompagner l’étudiant dans la rédaction rigoureuse de son mémoire de fin d’études.
    • Valider la cohérence scientifique, technique et méthodologique du travail réalisé.
    • Préparer la soutenance et entraîner la présentation orale devant un jury.
    • Garantir la qualité académique et professionnelle des mémoires produits par la promotion GEEL.

    Prérequis

    Méthodologie de la Recherche (MRE5402) ; stage en cours (STG6401).

    Plan du cours

    1. Leçon 1 — Séances de suivi individuelles
    2. Leçon 2 — Suivi collectif et séminaires
    3. Leçon 3 — Validation et dépôt final

    Travaux pratiques

    Le syllabus ne prévoit pas de TP en présentiel (CM 8 h, TPE 32 h). Les activités guidées suivantes structurent le travail personnel :

    • Activité guidée 1 : calendrier de rédaction et fiche de suivi individuelle (Leçon 1).
    • Activité guidée 2 : oral d’avancement de 10 minutes et relecture croisée d’un chapitre (Leçon 2).
    • Activité guidée 3 : dossier de dépôt et répétition générale (Leçon 3).

    Modalités d’évaluation

    Volume : CM 8 h, TD 0 h, TP 0 h, TPE 32 h, soit 40 h ; 2 crédits. Évaluation mixte : contrôle continu 50 % (assiduité et qualité du suivi, présentations d’avancement, relecture croisée) + examen terminal 50 % (évaluation du dossier de dépôt final et de la répétition, selon les modalités fixées par l’équipe pédagogique).

    Bibliographie

    • EPI-Niger, Charte du mémoire de fin d’études GEEL (document interne).
    • U. Eco, Comment écrire sa thèse, Flammarion.
    • M. Beaud, L’art de la thèse, La Découverte.
    • IEEE Author Center, Guidelines for Technical Writing (ieee.org).

  • Rapport de Stage & Soutenance

    Le module Rapport de Stage & Soutenance (STG6401) couronne la Licence professionnelle GEEL. L’étudiant réalise, pendant au moins 12 semaines, une véritable mission d’ingénierie dans une entreprise agréée du secteur électrique ou des énergies renouvelables : étude de dimensionnement d’une centrale PV pour un client industriel à Niamey, mise en service de mini-réseaux ANPER, optimisation de la maintenance d’un poste HTA/BT NIGELEC, compensation de l’énergie réactive d’une usine de Maradi, automatisation d’une station de pompage solaire… Il en tire un mémoire technique de fin d’études qu’il soutient devant un jury d’enseignants et de professionnels. Ce cours en ligne accompagne les trois phases : conduite de la mission, rédaction du mémoire, soutenance.

    Objectifs d’apprentissage

    • Mettre en pratique l’ensemble des compétences acquises en L1, L2 et L3 dans un contexte professionnel réel.
    • Réaliser une mission d’ingénierie en entreprise du secteur GEEL (durée minimale 12 semaines).
    • Rédiger un mémoire technique de fin d’études de haut niveau selon les normes EPI-Niger.
    • Soutenir le mémoire devant un jury constitué d’enseignants et de professionnels du secteur.

    Prérequis

    Avoir validé les semestres S1 à S5 (150 crédits minimum) ; Méthodologie de la Recherche (MRE5402). Le cours est suivi en parallèle du Suivi Mémoire (SUV6402).

    Plan du cours

    1. Leçon 1 — Stage en entreprise (12 semaines minimum)
    2. Leçon 2 — Rédaction du mémoire
    3. Leçon 3 — Soutenance

    Travaux pratiques

    • TP guidé 1 : lettre de mission, planning de 12 semaines et carnet de bord (Leçon 1).
    • TP guidé 2 : construire le plan détaillé et rédiger le chapitre « résultats » à partir de données de mission (Leçon 2).
    • TP guidé 3 : présentation de 20 minutes et simulation de questions du jury (Leçon 3).

    Modalités d’évaluation

    Volume : CM 0 h, TD 0 h, TP 100 h, TPE 100 h, soit 200 h de charge encadrée et personnelle comptabilisée ; 10 crédits. Évaluation 100 % contrôle continu, nature pratique : rapport/mémoire (50 %) + présentation orale (30 %) + avis de l’entreprise (20 %), puis délibération du jury et attribution de la mention.

    Bibliographie

    • EPI-Niger, Guide du stagiaire et normes de rédaction du mémoire de fin d’études.
    • IEEE Author Center, Guidelines for Technical Writing (ieee.org).
    • M. Beaud, L’art de la thèse, La Découverte.
    • U. Eco, Comment écrire sa thèse, Flammarion.