Mise en œuvre d’un système d’anonymisation et de traçabilité des copies d’examen par code-barres et intelligence artificielle

Abstract

Dans ce mémoire, nous présentons la conception, le développement et l’utilisation d'ANONYMOS OS, une plateforme intelligente dédiée à la gestion automatisée, sécurisée et anonyme des examens. Ce travail s’inscrit dans le cadre de la modernisation des processus administratifs au sein des établissements de l’enseignement supérieur et vise à répondre à deux problématiques majeures : l’absence d’un mécanisme garantissant l’anonymat lors de la correction des copies d’examen et la lenteur des traitements manuels liés à la gestion des notes. La solution proposée repose sur l’intégration de trois briques technologiques. La première est une couche matérielle basée sur le module embarqué ESP32-S3-CAM (intégré d’un capteur d’image OV3660) chargé de la numérisation et de la transmission sans fil des copies d’examen via le protocole Wi-Fi. La deuxième est une couche logicielle développée en Python, comprenant un serveur Flask destiné à la réception et au traitement des images, une base de données SQLite qui assure la centralisation des données académiques et une interface web conviviale réalisée à l’aide du frameworkStreamlit. Enfin, la troisième brique est reposée sur un ensemble d’algorithmes spécialisés, notamment la génération sécurisée des codes-barres d’anonymisation basés sur le HMAC d’une part et l’extraction automatique des notes par le biais de l’analyse de la densité de pixels (Pixel Density Analysis) sur les grilles de notation d’autre part. Le fonctionnement global du système s’articule autour de cinq phases principales. La première consiste en la préparation du système et la génération des identifiants anonymes sous forme de codes-barres. La deuxième phase concerne l’organisation de l’examen et l’acquisition des images des copies à l’aide du module ESP32-S3-CAM. La troisième phase est dédiée au décodage automatique des codes-barres et à l’extraction des notes. La quatrième étape porte sur les opérations de délibération et de levée de l’anonymat. Enfin, la cinquième phase assure la génération automatique des procès-verbaux au format PDF ainsi que leur transmission aux enseignants responsables via le protocole SMTP. Les résultats obtenus démontrent l’efficacité fonctionnelle et la fiabilité de la plateforme dans la gestion des examens universitaires tout en garantissant la confidentialité des étudiants et l’automatisation des traitements administratifs. Par ailleurs, ce travail ouvre des perspectives prometteuses, notamment l’évolution vers une architecture Cloud multi-utilisateurs et l’intégration de techniques avancées d’intelligence artificielle, telles que les réseaux de neurones convolutifs, afin d’améliorer davantage les performances et les capacités d’analyse du système. Mots-clés : Gestion des examens, Anonymisation des copies, Codes-barres, ESP32-S3-CAM, Analyse de densité de pixels, Automatisation administrative, Python, Intelligence artificielle. الملخص في هذه المذكرة، نقدم تصميم وتطوير واستخدام منصة ANONYMOS OS وهو منصة ذكية للإدارة الآلية والآمنة والمجهولة الهوية للامتحانات. يندرج هذا العمل في إطار تحديث العمليات الإدارية داخل مؤسسات التعليم العالي، ويهدف إلى معالجة إشكاليتين رئيسيتين تتمثلان في غياب آلية تضمن إخفاء هوية الطلبة أثناء تصحيح أوراق الامتحانات، وبطء المعالجات اليدوية المرتبطة بإدارة العلامات. تعتمد الحلول المقترحة على دمج ثلاث لبنات تكنولوجية متكاملة. تتمثل الأولى في طبقة مادية تعتمد على الوحدة المدمجة ESP32-S3-CAM)المزودة بمستشعر صورOV3660 ( والمسؤولة عن المسح الضوئي اللاسلكي لأوراق الامتحانات عبر بروتوكول Wi-Fi. أما الثانية فهي طبقة برمجية مطورة بلغة Python، تضم خادم مبنياً على إطار العملFlaskمخصصاً لاستقبال الصور ومعالجتها، وقاعدة بياناتSQLiteتضمن مركزية البيانات الأكاديمية وادارتها، إضافة إلى واجهة ويب تفاعلية وسهلة الاستخدام تم تطويرها باستخدام إطار العمل Streamlit. وأخيرًا، تم بناء اللبنة الثالثة فتعتمد على مجموعة من الخوارزميات المتخصصة في المعالجة : تشمل التوليد الآمن لرموز الشريطية الخاصة بإخفاء الهوية استنادًا إلى HMAC، بالإضافة الى الاستخراج التلقائي للدرجات من خلال تحليل كثافة البكسل (Pixel Density Analysis) المطبق على شبكات التقييم. يرتكز التشغيل العام للنظام على خمس مراحل رئيسية. تتمثل المرحلة الأولى في إعداد النظام وتوليد المعرفات المجهولة على شكل رموز شريطية. أما المرحلة الثانية فتخص تنظيم الامتحان واقتناء صور أوراق الإجابة باستخدام وحدة ESP32-S3-CAM. وتُعنى المرحلة الثالثة بفك ترميز الرموز الشريطية واستخراج العلامات بصورة آلية. بينما تتعلق المرحلة الرابعة بعمليات المداولات ورفع السرية عن الهوية. وأخيراً، تضمن المرحلة الخامسة التوليد التلقائي لمحاضر النتائج بصيغة PDF وإرسالها إلى الأساتذة المسؤولين عبر بروتوكول SMTP. تُظهر النتائج المتحصل عليها الفعالية الوظيفية والموثوقية العالية للمنصة في إدارة الامتحانات الجامعية، مع ضمان سرية هوية الطلبة وأتمتة مختلف المعالجات الإدارية. كما يفتح هذا العمل آفاقاً واعدة للتطوير مستقبلاً، من خلال الانتقال إلى بنية سحابية متعددة المستخدمين (Cloud Multi-Users) ودمج تقنيات متقدمة في مجال الذكاء الاصطناعي، مثل الشبكات العصبية الالتفافية (Convolutional Neural Networks - CNNs)، بهدف تحسين الأداء وتعزيز قدرات التحليل والمعالجة داخل النظام.. الكلماتالمفتاحية: إدارةالامتحانات،إخفاءالهوية،الرموزالشريطية،وحدةESP32-S3-CAM،تحليلكثافةالبكسل،الأتمتةالإدارية،بايثون،الذكاءالاصطناعي. Summary In this master's thesis, we present the design, development, and implementation of ANONYMOS OS, an intelligent platform dedicated to the automated, secure, and anonymous management of examinations. This work is part of the modernization of administrative processes within higher education institutions and aims to address two major issues: the absence of a mechanism ensuring anonymity during the grading of examination papers and the slowness of manual procedures related to grade management. The proposed solution is based on the integration of three technological components. The first is a hardware layer built around the ESP32-S3-CAM embedded module, equipped with an OV3660 image sensor, which is responsible for the digitization and wireless transmission of examination papers through the Wi-Fi protocol. The second is a software layer developed in Python, consisting of a Flask server for image reception and processing, an SQLite database for the centralization of academic data, and a user-friendly web interface developedusing the Streamlitframework. Finally, the third component relies on a set of specialized algorithms, including the secure generation of anonymization barcodes based on HMAC technology and the automatic extraction of grades through Pixel Density Analysis applied to grading grids. The overall operation of the system is organized into five main phases. The first phase consists of system preparation and the generation of anonymous identifiers in the form of barcodes. The second phase involves examination management and the acquisition of examination paper images using the ESP32-S3-CAM module. The third phase is dedicated to the automatic decoding of barcodes and the extraction of grades. The fourth phase concerns deliberation procedures and the removal of anonymity. Finally, the fifth phase ensures the automatic generation of PDF reports and their transmission to the responsible instructors via the SMTP protocol. The obtained results demonstrate the functional effectiveness and reliability of the platform in managing university examinations while ensuring student confidentiality and automating administrative processes. Furthermore, this work opens promising perspectives, particularly the evolution toward a multi-user cloud-based architecture and the integration of advanced artificial intelligence techniques, such as convolutional neural networks, to further improve the system’s performance and analyticalcapabilities. Keywords: Examination Management, Anonymization, Barcodes, ESP32-S3-CAM, Pixel DensityAnalysis, Administrative Automation, Python, Artificial Intelligence.