Clément Jacquemin

Enedis est le principal gestionnaire du réseau de distribution d’électricité en France, avec plus de 1,3 million de kilomètres de lignes moyenne et basse tension. Acteur majeur dans la modernisation des infrastructures énergétiques, Enedis déploie les technologies de smart grid et joue un rôle central dans la transition énergétique.

• Référent technique pour la norme IEC 61850, responsable de la conception, de l’intégration et de la validation du protocole au sein de nouvelles architectures de postes électriques communicants. Utilisation de solutions open source et propriétaires (Triangle Microworks, Omicron) pour garantir la conformité aux standards, l’interopérabilité inter-constructeurs et la robustesse des équipements.

• Recherche et développement sur les technologies de virtualisation pour les futurs postes HTA/BT, incluant l’étude de la containerisation et de l’orchestration temps réel pour concevoir des composants plus modulaires, évolutifs et résilients.

• Conception et développement de systèmes embarqués en C, C++, Python et MicroEJ, sur des plateformes variées intégrant des systèmes temps réel (RTOS) et des environnements Linux embarqué.

• Prototypage et mise en œuvre de solutions de flexibilité pour renforcer la stabilité du réseau, optimiser les flux d’énergie et faciliter l’intégration des productions d’énergie décentralisée (EnR, autoconsommation, etc.).

• Collaboration avec des experts internes et partenaires externes (systèmes électriques, cybersécurité, logiciels industriels) pour faire passer les innovations du laboratoire au déploiement terrain.

Technologies: C, C++, Python, Embedded Linux, RTOS, IEC 61850, DLMS/COSEM, IEC 62056, Modbus, G1/G3 PLC (CPL), MicroEJ, Smart Grid, Virtualization, Containerization, Edge Computing, Real-time Systems, Electrical Flexibility, MV/LV (HTA-BT) Substations

Cephalgo est une startup française spécialisée dans le développement de dispositifs médicaux portables pour le suivi continu de l’humeur. En exploitant les signaux EEG, leurs capteurs discrets, compatibles avec des lunettes, fournissent des données émotionnelles en temps réel, permettant à la fois aux individus et aux professionnels de santé mentale de gérer et comprendre le bien-être émotionnel.

• Conception de l’architecture système et développement du logiciel embarqué sur le SDK Nordic nRF52, assurant une faible consommation d’énergie et une robustesse conformes aux exigences des dispositifs médicaux portables.

• Conception et implémentation de modules firmware pour la mémoire SPI Flash, l’acquisition de signaux analogiques (SAADC), les services cryptographiques, ainsi que la communication via Bluetooth Low Energy (BLE).

• Application des exigences réglementaires relatives aux dispositifs médicaux, notamment les normes EC 80601-2-26 (systèmes EEG ambulatoires) et CE.

• Collaboration avec les équipes hardware et de traitement des signaux biomédicaux pour intégrer l’acquisition et le prétraitement des signaux EEG en temps réel.

• Conception et développement d’une suite d’outils en Python dédiée à la validation, à l’acquisition de données et à la communication avec les dispositifs durant les phases de test et de R&D.

Technologies : Embedded C, Python, Nordic nRF52, Bluetooth Low Energy (BLE), ARM Cortex-M, SPI Flash, SAADC, UART, GPIO, Secure Firmware, EEG signal acquisition, Medical Device Certification (IEC 80601-2-26), Python, Medical-grade Embedded Systems, Low-power Embedded Systems

Inarix est une startup française spécialisée dans l'agri-tech, qui exploite l’intelligence artificielle et la vision par ordinateur pour analyser la qualité des produits agricoles tels que les grains, les semences ou les légumes, directement sur le terrain ou dans les sites de transformation. Leurs solutions visent à offrir un contrôle qualité rapide, fiable et facilement déployable à l’échelle de toute la chaîne d’approvisionnement agricole.

• Conception et développement de systèmes industriels basés sur des plateformes NVIDIA Jetson, combinant Linux embarqué, inférence IA et vision par ordinateur pour détecter et analyser en temps réel divers types de cultures (semences, céréales, légumes, pommes de terre, etc.).

• Constitution et annotation de jeux de données d’images pour l’entraînement de modèles personnalisés DetectNet (SSD-MobileNet et SSD-Inception) adaptés à l’inspection visuelle d’échantillons agricoles ; optimisation des pipelines d’inférence pour des performances temps réel sur matériel embarqué Jetson.

• Conception de systèmes d’échantillonnage industriels basés sur des convoyeurs, permettant de collecter des jeux de données d’images à partir de caméras et d’optiques variées, dans le but d’entraîner des modèles robustes face à des conditions visuelles diverses.

Technologies: C/C++, Embedded Linux, NVIDIA Jetson (Nano/Xavier), DetectNet, SSD-Mobilenet, SSD-Inception, TensorRT, Computer Vision, Deep Learning, Dataset Engineering, Industrial Prototyping, Python, Camera Sensor Integration, Sony Camera Remote SDK