← Retour au carnet Projet 04 · R&D · Confidentiel
Projet de 2 ans (1re et 2e année) · ESNA Bretagne

DDF
Drone de Fer

Système complet de détection et de suivi de drones en temps réel par intelligence artificielle, inspiré du Dôme de Fer israélien.

YOLOv11
Détection IA
RT
Temps réel · MJPEG
REST
API complète
2 ans
ESNA Bretagne
↳ Sortir du web. Aller au cœur du signal.
R&D · confidentielESNA · 2 ans
❦
i.

Le projet : sortir du web, aller au cœur du signal.

Détecter, suivre, et simuler la neutralisation de drones en temps réel. Computer vision et backend Django, sans dépendance cloud.

DDF est un projet de 2 ans mené à l'ESNA Bretagne (première et deuxième année), à cinq étudiants, dont j'ai ensuite repris seul le développement. L'idée : construire un système de défense anti-drone end-to-end, depuis le flux caméra jusqu'à l'interface de supervision. YOLOv11 pour la détection temps réel, OpenCV pour le traitement vidéo, Django pour le backend et l'API REST.

Le système gère des zones de contrôle configurables, des alertes automatiques quand un drone sort de zone, un streaming vidéo MJPEG optimisé, et un tracking automatique. La gestion multi-capteurs (vidéo, sonore, thermique, radar) est intégrée via un panel d'administration complet.

↳ Sortir du web. Aller là où la sécurité rencontre le monde physique.
❦
ii.

Pipeline IA : de la caméra à l'alerte.

Chaque frame passe par un pipeline YOLOv11 → tracking → zone check → alerte en moins de 100ms sur GPU.

01
Capture
V4L2 · OpenCV
720p–1080p · 30fps
02
Inférence
YOLOv11
CPU / CUDA GPU
03
Tracking
Bounding box
+ zone check
04
Alerte
Hors zone → log
+ notification
05
Stream
MJPEG → browser
+ API REST
ConfigurationFPSLatenceRAM
CPU i5 + 720p5–10150ms2 GB
CPU i7 + 720p10–15100ms2 GB
GPU RTX 3060 + 1080p25–3040ms4 GB
❦
iii.

Stack, API & cas d'usage.

Backend
Django 5.1
Python 3.10+
IA / Vision
YOLOv11 · PyTorch
OpenCV 4.10
API
Django REST Framework
Token auth
Base de données
SQLite (dev)
PostgreSQL (prod)
Streaming
MJPEG
V4L2 · WebSocket
Déploiement
Script ddf.sh
Linux · macOS · WSL2

Sécurité périmétrique

Surveillance de zones sensibles, bases militaires, sites industriels, aéroports.

Protection industrielle

Détection d'intrusions par drone autour de sites à risque (énergie, chimie).

Événements publics

Surveillance temps réel de manifestations ou événements à forte densité.

Recherche & formation

Base de travail pour entraîner de nouveaux modèles de détection d'objets volants.

Ce que ça dit de moi

Sortir du web. Aller au cœur du signal.

La cybersécurité classique, c'est le réseau, les applicatifs, les logs. DDF m'a poussé ailleurs : computer vision, inférence temps réel, systèmes embarqués. La frontière entre le physique et le cyber est la prochaine ligne de front, j'avais envie de la comprendre de l'intérieur.

Démarré en groupe puis repris seul, DDF m'a appris à porter un système complet de bout en bout : architecture, interfaces, intégration. Ce sont des compétences qu'un lab isolé ne développe pas.