PRÉLIMINAIRES

I. Épistémologie et Enjeux Scientifiques du Domaine

L’évolution de la transmission de données incarne une dialectique constante entre la pureté mathématique de la théorie de l’information, initiée par Claude Shannon, et l’ingénierie pragmatique des réseaux. Ce champ a muté d’une quête de la communication parfaite en canal sans bruit vers une science de la résilience en environnement hostile. L’enjeu contemporain n’est plus seulement la vitesse, mais la garantie de la connectivité dans des contextes de saturation spectrale, de contraintes énergétiques et d’infrastructures hétérogènes, faisant de la transmission de données une discipline au carrefour de la physique, de l’algorithmique et des sciences sociales.

II. Cartographie des Compétences et Transversalité

Cette Unité d’Enseignement forge un triptyque de compétences stratégiques : la modélisation mathématique des flux, la conception d’architectures robustes et l’évaluation critique des protocoles. Ces savoirs dépassent le cadre strict des télécoms pour irriguer la science des données, où l’extraction de valeur dépend de la qualité de la collecte. Ils sont également vitaux en cybersécurité pour l’analyse des paquets et en IoT pour le déploiement de capteurs basse consommation. La maîtrise de ces compétences positionne le diplômé comme un architecte transverse, capable de garantir l’intégrité de la donnée depuis sa source jusqu’à son exploitation.

III. Alignement Stratégique avec les Réalités Opérationnelles

Dans le contexte de la RDC, où le “mobile first” n’est pas un choix mais une réalité économique, la maîtrise de la transmission de données est un levier de développement souverain. Les métiers d’Ingénieur Réseaux, d’Architecte SI et d’Analyste de flux sont en première ligne pour optimiser les réseaux mobiles existants, déployer des solutions de connectivité rurale frugales et sécuriser les transactions financières dématérialisées. Ce cours arme les futurs experts pour répondre à une demande locale explosive, en transformant les contraintes infrastructurelles en opportunités d’innovation technique et de création de valeur immédiate.

Chapitre I. Quantification de l’Information et Entropie

I.1 L’axiome de Shannon : l’information comme réduction d’incertitude

L’article fondateur de Claude Shannon en 1948, “A Mathematical Theory of Communication”, a révolutionné la science en dissociant l’information de sa signification sémantique. L’information est définie comme une quantité mesurable, inversement proportionnelle à la probabilité d’occurrence d’un événement. Cette approche probabiliste permet de quantifier l’inattendu et de poser les bases mathématiques de toute transmission. L’entropie, mesure de l’incertitude moyenne d’une source, devient ainsi l’étalon-or pour évaluer la quantité minimale de données nécessaire pour représenter un message sans perte.

I.2 Formalisme mathématique : calcul de l’entropie et de l’information mutuelle

Sous l’angle de la mesure, la quantification de l’information repose sur l’usage du logarithme, qui assure l’additivité des quantités d’information pour des événements indépendants. Ce sous-chapitre outille l’étudiant pour calculer l’entropie d’une source discrète (H(X)) et l’entropie conditionnelle, menant au concept fondamental d’information mutuelle (I(X;Y)). Cette dernière mesure la réduction de l’incertitude sur une variable X après l’observation d’une variable Y, constituant la pierre angulaire pour évaluer la performance d’un canal de communication.

I.3 Critique du modèle : la cécité sémantique et les limites de l’approche probabiliste

La pureté mathématique de l’entropie de Shannon constitue sa force et sa principale faiblesse. En ignorant délibérément le sens, la pertinence ou la valeur du message, le modèle se révèle incapable de différencier un texte cohérent d’une suite de caractères aléatoires ayant la même distribution statistique. Cette section analyse les implications de cette cécité sémantique, notamment dans les domaines de l’intelligence artificielle et du traitement du langage naturel, où la pertinence contextuelle est primordiale, obligeant à compléter Shannon par d’autres approches théoriques.

I.4 Application locale : analyse entropique des langues congolaises pour la compression SMS/USSD

Face à la prédominance des services USSD et SMS pour les services financiers mobiles en Afrique, l’optimisation de chaque octet est cruciale. Ce module applique les outils de calcul d’entropie pour comparer la densité informationnelle du lingala, du swahili, du tshiluba et du kikongo par rapport au français. L’objectif est de concevoir des schémas de codage de source spécifiques à ces langues, permettant de réduire la taille des messages textuels et d’abaisser le coût des micro-transactions pour les populations rurales, démontrant un impact socio-économique direct.

Chapitre II. Codage de Source et Algorithmes de Compression

II.1 Le théorème de Shannon : la limite théorique de la compression sans perte

Le premier théorème de Shannon établit une borne fondamentale et infranchissable : la longueur moyenne d’un code pour une source ne peut être inférieure à son entropie. Toute tentative de compresser au-delà de cette limite entraîne inévitablement une perte d’information. Ce principe directeur structure l’ensemble du domaine de la compression de données. Il fournit un critère absolu pour juger de l’efficacité d’un algorithme et sépare radicalement les stratégies de compression sans perte (lossless) de celles avec pertes (lossy), ces dernières sacrifiant la fidélité pour un taux de compression supérieur.

II.2 Mécanismes de codage : des codes de Huffman aux algorithmes Lempel-Ziv

Développé en 1952, l’algorithme de Huffman propose une méthode élégante pour construire un code préfixe optimal basé sur la fréquence des symboles, s’approchant de la limite entropique. Ce sous-chapitre dissèque sa construction arborescente avant d’introduire la famille des algorithmes Lempel-Ziv (LZ77, LZW), qui opèrent par la constitution d’un dictionnaire dynamique. Ces derniers, au cœur de formats comme ZIP ou GIF, ne requièrent aucune connaissance a priori de la statistique de la source, les rendant universels et extrêmement puissants en pratique.

II.3 Compression avec pertes : la quantification et la transformée en cosinus discrète (DCT)

Pour les données multimédia (image, son, vidéo), une compression sans perte est souvent insuffisante. L’introduction de pertes contrôlées, imperceptibles pour le sens humain, est la clé. Ce segment analyse la philosophie de la compression destructive, centrée sur deux opérations : la quantification, qui réduit la précision des données, et les transformées comme la DCT (utilisée en JPEG et MPEG). La controverse réside dans le réglage du compromis entre le taux de compression et la dégradation de la qualité, un arbitrage technique aux lourdes conséquences perceptives.

II.4 Mise en situation : optimisation de la transmission d’images médicales sur réseaux à faible débit

Dans les zones rurales de la RDC, un médecin de brousse doit transmettre une radiographie à un spécialiste à Kinshasa via une connexion satellite intermittente et coûteuse. Ce cas pratique impose de choisir et de paramétrer un algorithme de compression d’images (JPEG, JPEG2000, WebP). L’étudiant devra arbitrer entre la nécessité d’une compression agressive pour garantir la transmission et l’impératif de préserver les détails diagnostiques critiques, engageant sa responsabilité sur la fiabilité de l’expertise médicale à distance (télémédecine).

Chapitre III. Théorie du Canal et Capacité de Transmission

III.1 Le modèle du canal bruité : formalisation du bruit, de l’atténuation et de l’interférence

Un canal de transmission n’est jamais parfait ; il est le lieu d’altérations inévitables du signal. Ce sous-chapitre modélise mathématiquement les principales sources de dégradation : le bruit blanc additif gaussien (AWGN), paradigme du bruit thermique ; l’atténuation, qui affaiblit le signal avec la distance ; et les interférences, provenant d’autres sources de transmission. Comprendre et quantifier ces phénomènes est le prérequis absolu pour pouvoir ensuite concevoir des stratégies de communication fiables, en anticipant la nature et l’ampleur des distorsions que subira l’information.

III.2 Le théorème de Shannon-Hartley : calcul de la capacité maximale d’un canal

L’équation C = B log₂(1 + S/N) est sans doute l’un des résultats les plus importants de l’ingénierie des communications. Elle stipule que la capacité d’un canal (C, en bits/s) est déterminée par sa bande passante (B, en Hz) et son rapport signal sur bruit (S/N). Ce sous-chapitre se concentre sur l’application rigoureuse de cette formule pour calculer le débit théorique maximal d’un canal de transmission donné. Il permet de quantifier précisément l’impact d’une augmentation de la puissance d’émission ou d’une extension de la bande passante sur la performance du système.

III.3 Limites du modèle et “Shannon’s gap” : l’écart entre théorie et pratique

Malgré son élégance, le théorème de la capacité du canal est une limite asymptotique, atteignable seulement avec des codes infiniment longs et complexes, et un délai de décodage infini. En pratique, les systèmes de communication réels opèrent toujours en deçà de cette limite. Cet écart, connu sous le nom de “Shannon’s gap”, représente le défi permanent des ingénieurs. Ce segment analyse les raisons techniques (complexité des décodeurs, latence) et économiques de cet écart, et comment les codes modernes (Turbo codes, LDPC) tentent de le combler.

III.4 Application : audit de la capacité réelle d’une liaison 4G en milieu urbain dense à Kinshasa

Un opérateur mobile à Kinshasa fait face à des plaintes de saturation de son réseau 4G dans des zones à forte densité comme le Grand Marché. L’étudiant est mandaté pour auditer une cellule radio. En utilisant des analyseurs de spectre pour mesurer le rapport S/N réel et en connaissant la bande passante allouée, il calculera la capacité théorique de la cellule via la loi de Shannon-Hartley. La comparaison de ce chiffre avec le débit agrégé mesuré en pratique permettra de diagnostiquer l’origine des goulots d’étranglement et de proposer des solutions ciblées.

Chapitre IV. Codage de Canal et Correction d’Erreurs

IV.1 La redondance contrôlée : principe fondamental de la détection et de la correction

Puisque le bruit est inévitable, la seule stratégie pour une communication fiable est d’introduire de la redondance de manière intelligente. Le codage de canal consiste à ajouter des bits supplémentaires (non informationnels) aux données utiles, selon des règles algébriques précises. Cette redondance permet au récepteur non seulement de détecter la présence d’erreurs de transmission, mais aussi, dans une certaine mesure, de les localiser et de les corriger. Ce concept marque le passage d’une attitude passive face au bruit à une lutte active contre ses effets.

IV.2 Algèbre des codes correcteurs : des codes de parité aux codes de Hamming et cycliques

Ce sous-chapitre plonge dans la structure mathématique des codes correcteurs d’erreurs. Partant du simple bit de parité, capable uniquement de détecter un nombre impair d’erreurs, l’analyse progresse vers les codes de Hamming, premiers codes capables de corriger une erreur unique de manière efficace. L’étude se poursuit avec les codes cycliques (CRC), basés sur l’arithmétique des polynômes sur des corps finis, qui sont massivement utilisés pour la détection d’erreurs en rafale dans les protocoles réseau comme Ethernet et le Wi-Fi.

IV.3 La révolution des codes modernes : Turbo Codes et LDPC, la proximité de la limite de Shannon

La fin du 20e siècle a vu une révolution avec l’invention des Turbo Codes et la redécouverte des codes LDPC (Low-Density Parity-Check). Ces codes, basés sur des principes itératifs et probabilistes, permettent d’atteindre des performances extraordinairement proches de la limite de Shannon, avec une complexité de décodage gérable. Ce segment en expose la philosophie (concaténation de codes, décodage itératif) et explique pourquoi ils sont devenus le standard dans les systèmes de communication modernes (4G/5G, Wi-Fi, DVB).

IV.4 Scénario de résilience : sécuriser les transactions Mobile Money via USSD sur un réseau 2G instable

Les transactions Mobile Money en zone rurale reposent souvent sur le protocole USSD via un réseau 2G sujet aux micro-coupures et aux erreurs. Une simple erreur de bit peut transformer un montant ou un numéro de destinataire. Ce cas d’étude impose à l’étudiant de choisir et de justifier un code correcteur d’erreurs léger (en termes de calcul et de redondance) pour encapsuler les messages USSD. L’objectif est de maximiser la probabilité de succès de la transaction du premier coup, renforçant la confiance des utilisateurs dans le système.

Chapitre V. Architectures Réseaux et Modèles de Référence

V.1 La nécessité de la structuration : de la communication point-à-point à l’interconnexion généralisée

La complexité inhérente à la mise en réseau de multiples machines a imposé une approche structurée et hiérarchique. Ce sous-chapitre retrace l’évolution conceptuelle qui a mené du chaos des premiers réseaux propriétaires à la nécessité d’une standardisation. L’idée fondamentale est de décomposer le problème complexe de la communication en une série de problèmes plus simples, résolus par des couches de service superposées, où chaque couche utilise les services de la couche inférieure et en fournit à la couche supérieure, masquant la complexité sous-jacente.

V.2 Le modèle OSI et la pile TCP/IP : anatomie de la communication en couches

Le modèle de référence OSI (Open Systems Interconnection) de l’ISO, avec ses sept couches, constitue le cadre conceptuel absolu pour penser les réseaux. Ce segment en dissèque chaque couche (Physique, Liaison, Réseau, Transport, Session, Présentation, Application). Il confronte ensuite ce modèle théorique à la pile TCP/IP, son implémentation pragmatique en quatre couches qui structure l’Internet moderne. La maîtrise de cette anatomie est non-négociable pour tout diagnostic ou conception de réseau, permettant de localiser précisément une panne ou une vulnérabilité.

V.3 Encapsulation et décapsulation : le voyage d’un paquet de données à travers les couches

Le mécanisme d’encapsulation est le processus vital qui permet aux couches de collaborer. Lorsqu’une donnée descend la pile protocolaire, chaque couche ajoute son propre en-tête (header), comme des poupées russes, créant successivement un segment, un paquet, puis une trame. À la réception, le processus inverse de décapsulation a lieu. Ce sous-chapitre analyse en détail ce processus, en montrant comment les informations de contrôle ajoutées à chaque niveau permettent le routage, la correction d’erreurs et l’adressage corrects des données.

V.4 Conception d’un réseau local pour une PME à Goma : contraintes énergétiques et choix technologiques

Une PME à Goma, soumise à des coupures d’électricité fréquentes, doit déployer un réseau informatique fiable pour sa comptabilité et sa logistique. L’étudiant doit concevoir une architecture réseau résiliente. Cela implique le choix de technologies de câblage (cuivre vs. fibre), la sélection de commutateurs et routeurs à faible consommation, et la mise en place d’une solution d’alimentation sans interruption (onduleurs, groupe électrogène). Le design doit privilégier la robustesse et la simplicité de maintenance face à un environnement opérationnel exigeant.

Chapitre VI. Protocoles de Routage et Gestion de la Bande Passante

VI.1 La problématique du routage : trouver le meilleur chemin dans un labyrinthe de connexions

Dans un réseau maillé, il existe de multiples chemins pour relier deux points. Le routage est l’intelligence distribuée du réseau qui a pour mission de déterminer, à chaque instant, le meilleur chemin pour acheminer un paquet vers sa destination. Ce sous-chapitre explore les métriques utilisées pour définir le “meilleur” chemin : nombre de sauts, délai, bande passante, charge. Il introduit la distinction fondamentale entre les algorithmes de routage statique, configurés manuellement, et dynamique, qui s’adaptent automatiquement aux changements de topologie.

VI.2 Algorithmes de routage : à état de liens (OSPF) contre à vecteur de distance (RIP)

Ce segment dissèque les deux grandes familles d’algorithmes de routage dynamique. Les algorithmes à vecteur de distance (ex: RIP) fonctionnent sur le principe de la “rumeur” : chaque routeur informe ses voisins de ce qu’il sait du réseau. Les algorithmes à état de liens (ex: OSPF), plus modernes, permettent à chaque routeur d’avoir une carte complète de la topologie du réseau pour calculer les meilleurs chemins. La comparaison de leur convergence, de leur consommation de ressources et de leur scalabilité est au cœur de l’analyse.

VI.3 La congestion réseau : analyse critique des mécanismes de contrôle et de prévention

La congestion est un état pathologique où une demande excessive de trafic dégrade la performance globale du réseau, menant à l’effondrement. Ce n’est pas un simple problème de capacité, mais un phénomène complexe de rétroaction. Ce sous-chapitre analyse les mécanismes de contrôle de flux et de congestion implémentés dans TCP (fenêtre glissante, slow start, congestion avoidance). Il critique leurs limites, notamment dans les réseaux sans fil ou à très longue latence, où ils peuvent interpréter à tort la perte de paquets comme un signe de congestion.

IV.4 Stratégie de QoS pour un service de VOD en RDC : prioriser les flux sur une bande passante limitée

Une startup de Kinshasa lance un service de vidéo à la demande (VOD). Face à la bande passante internationale coûteuse et limitée, il est impératif de mettre en place une politique de Qualité de Service (QoS) agressive. L’étudiant doit concevoir une stratégie de marquage des paquets (DSCP) et de gestion des files d’attente (WFQ, CBWFQ) sur les routeurs de sortie. L’objectif est de garantir une expérience de streaming fluide pour les abonnés payants, quitte à dégrader volontairement la priorité des autres trafics (web, email) aux heures de pointe.

ANNEXES

A. Guide Pratique de Wireshark pour l’Analyse de Trafic

Cet outil est le scalpel de l’Ingénieur Réseaux et de l’Analyste de flux. Cette annexe ne liste pas des menus mais détaille une méthodologie d’investigation complète. Elle montre comment, face à une plainte de “lenteur d’Internet”, utiliser les filtres de capture et d’affichage de Wireshark pour isoler les conversations TCP, identifier les retransmissions massives, mesurer la latence applicative (delta time) et visualiser les requêtes DNS anormales. L’objectif est de transformer une perception subjective en un diagnostic factuel basé sur l’analyse de paquets.

B. Simulation d’Architecture Réseau avec GNS3 (Graphical Network Simulator-3)

Avant de déployer des équipements coûteux, l’Architecte des systèmes d’information doit valider son design. GNS3 permet de créer des topologies de réseaux virtuels complexes en utilisant de véritables images de systèmes d’exploitation réseau (Cisco IOS, Juniper Junos). Cette annexe fournit un tutoriel pour simuler un réseau d’entreprise multi-sites en RDC, incluant la configuration de protocoles de routage (OSPF), de listes de contrôle d’accès (ACL) et de tunnels VPN entre Kinshasa et Lubumbashi, permettant de tester la résilience et la sécurité de l’architecture avant tout investissement matériel.

C. Automatisation de l’Audit Réseau avec Scapy et Python

Pour l’Analyste de flux et l’Ingénieur Réseaux, les tâches manuelles répétitives sont une source d’inefficacité et d’erreur. Scapy est une bibliothèque Python qui permet de forger, envoyer, capturer et analyser des paquets réseau par programmation. Cette annexe présente un script Python/Scapy commenté qui automatise un audit de sécurité de base sur un réseau local. Le script scanne les ports ouverts, tente de détecter les systèmes d’exploitation des machines via l’empreinte de la pile TCP/IP et vérifie la présence de services non sécurisés, générant un rapport concis pour l’administrateur.

Lire aussi :

Cours de Modélisation Objet, licence-3, MOB1351

Cours de Droit Informatique et Cybercriminalité, licence-4, DIC1481

Cours de Analyse démographique 1, master-2, ADE2231

Cours de Enseignements complémentaires 2, master-2, ENC2131

Cours de Entrepreunariat, licence-3, ENT1351

Cours de Introduction à la recherche et méthodologie du travail, licence-1, IRM1111