Formation Android - Développement avancé en Kotlin (performances, capteurs et tests)

Jour 1 - Matin

Clean Architecture et modularisation

• Limites de MVVM (Model View ViewModel) seul : couplage fort, testabilité réduite, scalabilité
• Clean Architecture : couches Domain / Data / Presentation - responsabilités
• Use Cases / Interactors : rôle, contrat Kotlin, flux de données
• Repository pattern : abstraction, sources multiples, cache
• Hilt avancé : scopes (Singleton, ActivityRetained, ViewModel), multibinding, qualifiers
• Modularisation du projet : feature modules, :core:network, :core:ui, :app
• Gestion des dépendances inter-modules : API/impl pattern, visibilité Gradle
• Navigation multi-module avec Jetpack Navigation Component
• Utiliser Copilot pour générer le squelette Clean Architecture (interfaces, Data classes, modules Hilt)
• Gemini Code Assist : expliquer les dépendances Gradle générées et proposer des optimisations

Exemples de travaux pratiques (à titre indicatif)

• Fil Rouge - Etape 1 : Création du projet IndustrialSense
• Créer le projet multi-module : :app, :feature:dashboard, :core:network, :core:sensors
• Mettre en place la Clean Architecture pour le module :core:network (Retrofit + Repository)
• Configurer Hilt avec les scopes appropriés pour l'injection cross-modules
• Générer les interfaces et implémentations initiales avec GitHub Copilot, puis les adapter

Jour 1 - Après-midi

Pattern MVI (Model View Intent) et recompositions Compose

• Différences MVVM vs MVI : Intent, State, Effect - quand choisir MVI
• Implémentation MVI : StateFlow pour le state, SharedFlow pour les effets
• Gestion des side-effects (navigation, snackbars, dialogs) via ChannelUnidirectional Data Flow (UDF) et son lien avec Compose
• Optimisation des recompositions : remember, derivedStateOf, key, lambda stability
• Stabilité des types Compose : @Stable, @Immutable, Compose compiler report
• Profiling des recompositions avec Layout Inspector et Composition tracing
• Générer le boilerplate MVI (State/Intent/Effect) avec Copilot et analyser la qualité
• Utiliser Gemini pour détecter les types instables dans le rapport Compose compiler

Exemples de travaux pratiques (à titre indicatif)

• Fil Rouge - Etape 2 : Ecran Dashboard en MVI
• Implémenter le DashboardViewModel en MVI (état Loading / Success / Error, effets de navigation)
• Créer le DashboardScreen Compose consommant le StateFlow - optimiser les recompositions
• Détecter et corriger au moins 2 recompositions inutiles via le Layout Inspector
• Générer les tests unitaires du ViewModel avec Copilot (cas nominal + erreur réseau)

Jour 2 - Matin

Profiling et performance Android

• Android Profiler : CPU (Method trace, Callstack), Memory, Network, Energy
• Perfetto et Systrace : analyse frame-by-frame, jank, thread scheduling
• Optimisation du rendu : overdraw, GPU rendering, layers Compose
• Gestion mémoire : LeakCanary, allocation patterns, GC pressure, Bitmap pool
• Optimisation réseau : caching OkHttp / HTTP, pagination (Paging 3), compression
• App Startup et cold start : ContentProvider, Initializer, Baseline Profiles
• WorkManager avancé : contraintes, chaînage, périodicité, observation via Flow
• Optimisation batterie : Doze, App Standby buckets, background restrictions
• Copilot : générer la configuration Baseline Profile et le script de warmup Macrobenchmark
• Gemini : analyser une trace Perfetto et suggérer des corrections ciblées

Exemples de travaux pratiques (à titre indicatif)

• Fil Rouge - Etape 3 : Performance du dashboard
• Identifier et corriger une fuite mémoire simulée dans le module :core:network avec LeakCanary
• Mesurer l'impact d'un Baseline Profile sur le cold start (avant / après avec Macrobenchmark)
• Optimiser le chargement de la liste d'équipements avec Paging 3 et cache OkHttp
• Utiliser Gemini pour analyser la trace Perfetto et documenter les gains obtenus

Jour 2 - Après-midi

SensorManager et capteurs de mouvement / environnementaux

• Architecture SensorManager : Sensor, SensorEvent, SensorEventListener, batch
• Taxonomie des capteurs Android : hardware vs software (virtual / composite)
• Capteurs de mouvement : accéléromètre, gyroscope, vecteur de rotation
• Capteurs environnementaux : température ambiante, pression barométrique, humidité
• Capteur de luminosité (lux) : usage pour l'ergonomie des IHM industrielles
• Fréquence d'échantillonnage : SENSOR_DELAY_NORMAL/UI/GAME/FASTEST - impact batterie
• Batching et FIFO : report latency, lecture différée, économie d'énergie
• Intégration avec Kotlin Flow : SensorEventListener > callbackFlow > StateFlow
• Filtrage du signal : filtre passe-bas, filtre complémentaire, lissage exponentiel
• Détection de vibrations anormales : seuillage, RMS, FFT simplifiée
• Gemini : générer le wrapper callbackFlow pour un capteur donné et expliquer le cycle de vie
• Copilot : générer l'algorithme de détection d'anomalie vibratoire à partir d'une description

Exemples de travaux pratiques (à titre indicatif)

• Fil Rouge - Etape 4 : Module capteurs de mouvement et environnementaux

• Créer le module :core:sensors exposant un Flow pour accéléromètre et capteur de pression
• Implémenter la détection de vibration anormale (seuil RMS configurable) pour simuler une alerte machine
• Afficher en temps réel les données de pression et température dans un composant Compose dédié
• Générer avec Copilot le filtre passe-bas et valider son comportement avec un test unitaire (données simulées)

Jour 3 - Matin

Capteurs de position, fusion et applications industrielles

• Capteurs de position : magnétomètre, boussole, orientation 3D
• Géolocalisation : GPS, FusedLocationProvider (Google Play / alternatives Open Source)
• Fusion de capteurs : calcul d'orientation par accéléromètre + magnétomètre
• Algorithmes de fusion avancés : filtre de Kalman simplifié, filtre complémentaire
• Précision et latence : compromis selon le cas d'usage (navigation, tracking d'actifs)
• Suivi d'actifs industriels mobiles : chariots élévateurs, opérateurs, équipements de terrain
• Geofencing et zones de sécurité : déclenchement d'alertes à l'entrée / sortie de périmètres
• Intégration avec des capteurs externes BLE / MQTT (IoT industriel) : architecture client Android
• Permissions et bonnes pratiques : ACCESS_FINE_LOCATION, rationale, fallback, RGPD
• Gestion du cycle de vie : arrêt / reprise des capteurs selon foreground / background / service
• Cas d'usage secteur industrie : maintenance prédictive, rondes de surveillance, AGV
• Copilot : générer le code de geofencing (ajout / suppression de zones) à partir d'une description fonctionnelle
• Gemini : proposer une architecture BLE > Android > MQTT broker pour un contexte Industrie 4.0

Exemples de travaux pratiques (à titre indicatif)

• Fil Rouge - Etape 5 : Localisation, Geofencing et alertes terrain
• Intégrer FusedLocationProvider dans :core:sensors et afficher la position de l'équipement sur le dashboard
• Implémenter 2 zones de geofencing (zone de travail autorisée / zone de danger) avec alertes visuelles Compose
• Simuler la réception de données d'un capteur BLE externe via une interface mock + Flow
• Utiliser Gemini pour générer la documentation du module :core:sensors (KDoc) et valider les cas limites

Jour 3 - Après-midi

Stratégie de tests avancés

• Pyramide de tests Android : équilibre unit / intégration / UI / E2E
• Tests unitaires avancés : MockK (spy, relaxed, slot), coroutines-test, Turbine pour Flow
• Tests de ViewModel MVI : vérification des states, intents et effets
• Tests d'intégration : Hilt testing, Room in-memory, Fake repositories
• Snapshot testing avec Paparazzi : tests de régression visuelle sur composants Compose
• Tests UI Compose : sémantique, actions, assertions, test tags
• Tests End-to-End avec Espresso + UIAutomator : scénarios complets
• Test Driven Development (TDD) appliqué : cycle Red / Green / Refactor
• Couverture de code : JaCoCo, configuration des seuils, rapport HTML, intégration CI/CD
• Copilot : générer les cas de test edge-case à partir de la signature d'une fonction et valider leur pertinence
• Gemini : proposer des scénarios de test pour le module capteurs (données aberrantes, permission refusée...)

Exemples de travaux pratiques (à titre indicatif)

• Ecrire les tests Turbine du SensorViewModel (flux normal, déconnexion capteur, dépassement de seuil)
• Mettre en place des snapshot tests Paparazzi sur les composants Dashboard et SensorCard
• Créer un test d'intégration Hilt du module :core:sensors avec un FakeSensorManager
• Configurer le rapport JaCoCo avec seuil 75% et exécuter la suite complète - revue de code finale assistée IA