Titre

Extraction Automatique de Fragments de Spécification de Logiciel

Stage 50% en entreprise 50% en laboratoire de recherche (5-7 mois, école d'ingénieur, M2 informatique, rémunéré)

Équipe

ADAM

Encadrants

[ADAM] Martin Monperrus <martin.monperrus@univ-lille1.fr, [DooApp] Antoine Mischler <christopher.lienard@dooapp.com>, [DooApp] Christopher Liénard (dooApp)

Contexte:

Les professionnels du bâtiment sont confrontés à de nouvelles problématiques afin de réduire la consommation énergétique des bâtiments afin d'atteindre ou dépasser les objectifs réglementaires. dooApp imagine, conçoit et développe des logiciels qui leur permettent de relever ces défis. Infiltrea, commercialisé depuis fin 2010, est un logiciel dédié à la mesure de l'étanchéité à l'air des bâtiments est utilisé actuellement en France par plus de 250 mesureurs.

Problématique:

Infiltrea doit être constamment adapté, au grès des changements de la loi et des normes nationales et internationales. Dans tous les cas, il est nécessaire de vérifier que tous les points normatifs sont effectivement présents dans le code.

Travail à réaliser:

dooApp et l'équipe de recherche ADAM (Univ. Lille - INRIA) envisagent d'extraire automatiquement des fragments de spécification de logiciel par l'analyse automatique de la sémantique du langage naturel des normes et de sa présentation. Par exemple, un outil prendrait en entrée une norme et produirait la liste formelle des règles de mesure (si le bâtiment est supérieur à 1000m², la pression minimale à appliquer est de 4 bar). Ces fragments seront ensuite automatiquement injectés dans la base de code d'Infiltrea.

Votre travail s'articulera principalement autour de 4 axes : la lecture d'articles techniques et scientifiques sur le sujet [1] (15%) le développement d'un prototype en Java, avec utilisation de librairies Java d'apprentissage et de traitement du langage naturel (Weka, Lingpipe) (50%) la collecte de données par analyse des normes et du code existant d'Infiltrea (20%) la dissémination des résultats (documentation, rapport, article) (15%) Les pourcentages sont données à titre indicatif.

Bibliographie:

1. A Machine Learning Approach for Tracing Regulatory Codes to Product Specific Requirements, Jane Cleland-Huang, Adam Czauderna, Marek Gibiec, and John Emenecker, Proceedings of ICSE 2010.

Contexte de travail:

Le stage aura lieu 50% en entreprise et 50% en laboratoire de recherche, dans la métropole lilloise. dooApp est une start-up créé en 2010 qui compte 5 employés, guidés par un fort esprit d'innovation (récompensé en 2011 par un Duke Award remis par Oracle lors de JavaOne à San Fransico). ADAM est une équipe de recherche en génie logiciel, qui compte 25 membres dont 10 doctorants. Vous serez co-encadré par Antoine Mischler (dooApp), Christopher Liénard (dooApp) et Martin Monperrus (ADAM). Ce stage vous ouvrira des portes à la pointe de l'innovation chez dooApp, et dans la recherche dans l'équipe ADAM (doctorant ou ingénieur de recherche).