Formation
ESP32 + IA Embarquée
Capteurs, TinyML et LLM connectés sur ESP32-S3.
Module 1 : Premier contact
- 1 Introduction
- 2 1.1 Qu'est-ce qu'un ESP32 ?
- 3 Comparaison rapide
- 4 1.2 Installation de PlatformIO sur VS Code
- 5 Étape 1 — Installer VS Code
- 6 Étape 2 — Installer l'extension PlatformIO
- 7 Étape 3 — Créer un nouveau projet
- 8 Étape 4 — Connecter la carte et identifier le port
- 9 1.3 Premier projet : blink LED + serial "Hello Zacus"
- 10 1.4 La communication série
- 11 1.5 Exercice : contrôler la vitesse de clignotement via commande série
- 12 Résumé
Module 2 : Capteurs et données
- 1 Introduction
- 2 2.1 Câblage du DHT22
- 3 Connexions
- 4 Bibliothèques dans platformio.ini
- 5 Lecture simple de la température
- 6 2.2 FreeRTOS en 3 phrases
- 7 Pourquoi utiliser FreeRTOS ?
- 8 Créer une tâche de lecture capteur
- 9 2.3 Serveur web asynchrone avec ESPAsyncWebServer
- 10 Dépendances
- 11 Dashboard minimaliste
- 12 2.4 Microphone I2S : calcul du niveau sonore en dB RMS
- 13 Câblage INMP441 → ESP32-S3
- 14 Lecture audio et calcul dB
- 15 2.5 Exercice : alerte sur seuil (LED rouge si temp > 30°C ou son > 70 dB)
- 16 Résumé
Module 3 : IA sur microcontrôleur
- 1 Introduction
- 2 3.1 Qu'est-ce que le TinyML ?
- 3 3.2 Comparaison des frameworks TinyML
- 4 3.3 Architecture du modèle de détection de mot-clé
- 5 Étape 1 — Calcul du spectrogramme Mel
- 6 Étape 2 — Inférence TFLite Micro
- 7 Étape 3 — Boucle principale de détection
- 8 3.5 Générer le fichier model_data.h
- 9 3.6 Exercice optionnel : entraîner votre propre mot-clé avec Edge Impulse
- 10 Résumé
Module 4 : Connecter un LLM
- 1 Introduction
- 2 4.1 Pourquoi un LLM local ?
- 3 4.2 Architecture ESP32 → WiFi → Ollama
- 4 4.3 L'API Ollama
- 5 4.4 Client HTTP sur ESP32 avec ArduinoJson
- 6 Connexion WiFi et test
- 7 4.5 Projet final : wake word → capteurs → LLM → réponse
- 8 4.6 Exercice : historique de conversation
- 9 Résumé
- 10 Projet final accompli
- 11 Pour aller plus loin