Stage de deux mois en électrophysiologie des plantes
Stage de M1 Sciences cognitives, 20/04/2026-19/06/2026
Note obtenue pour le mémoire: 15,00/20
Note obtenue pour la soutenance: 14,00/20
Dans le cadre de mon master 1, j'ai dû trouver un stage de deux mois en rapport avec les sciences cognitives. Je me suis donc dirigé vers le Fablab Cohabit (Cohabit, Creative Open House at Bordeaux Institut Technology) de l'université de Bordeaux. Cohabit est une association réunissant deux entités : le fablab et le technoshop. Son objectif est de repenser les pratiques expérimentales dans une approche d'apprentissage par "le faire" et favoriser la transition numérique dans une démarche collaborative.
Il regroupe plusieurs projets, divers et variés, notamment le projet Robot Go West, qui m'a tout de suite séduit par son approche pluridisciplinaire. Il repose sur la création d’un robot qui se déplace vers le soleil en transportant des plantes. Les signaux qu’elles envoient sont transformés en commandes pour les moteurs. Les plantes vont donc se rapprocher du soleil grâce au robot. Ce projet peut donc être divisé en plusieurs parties ; la partie électrophysiologie des plantes, avec les capteurs sur la plante et le traitement des signaux, la partie entraînement des données, avec le deep learning, et la partie déplacement du robot, avec l’assemblage mécanique du robot et la transformation du signal reçu par les plantes en commandes pour les moteurs. En raison de l’ampleur et de la pluridisciplinarité du projet, les travaux réalisés au cours de ce stage se sont principalement concentrés sur la partie électrophysiologie végétale (avec l’acquisition des signaux au moyen de capteurs placés sur la plante ainsi que leur traitement) et la partie conception et entraînement d’un réseau de neurones artificiels.
Ma mission principale était donc de créer un modèle capable de repérer des caractéristiques distinctes sur les représentations des signaux électriques d’une plante pour discriminer ses phases biologiques de jour et de nuit. Notre démarche reste une preuve de concept.
Compétences acquises :
- Programmation : langage Python et bibliothèques PyTorch (pour définir le modèle et l'entraîner), Matplotlib (pour visualiser les résultats), NumPy (pour manipuler des fonctions mathématiques et des tableaux) et Spiltfolders (pour séparer auotmatiquement les données).
- Prétraitement de données : nettoyer et sturcturer les données et utiliser PyTorch (une bibliothèque Python qui permet de faire du deep learning) pour créer des data loader (chargeur de données) optimisés.
- Modélisation : implémentaion d'un réseau de neurones convolutifs (nommé EEGNet) pour classifier les signaux EEG afin d'entraîner et évaluer le modèle (et ensuite l'entraîner sur des signaux de plantes).
- Analyse des performances : visualisation de métriques (accuracy pour la précision et loss pour la perte du modèle) et diagnostic de problèmes (overfitting ou underfitting) grâce aux courbes d'apprentissage.
- Bibliographie / webographie et documentation : recherche documentaire scientifique et de ressources technologiques.
- Interfaces hommes-plantes : traduction de signaux bioélectriques végétaux en interactions numériques.
Pour en savoir plus, vous pouvez visualiser le pdf de mon mémoire en cliquant sur le lien suivant : TETAZ_Arthur_MémoireM1TECH.pdf