Un consensus peut être observé dans la littérature au sujet de l’augmentation du risque financier due à la mauvaise performance environnementale ainsi que la diminution du risque due à la bonne performance environnementale. Autant les chercheurs que les investisseurs s’entendent pour dire que la réputation de l’entreprise a un impact sur ses activités et sa performance. Les marchés financiers ajustent donc leur appréciation du risque des entreprises selon leur performance environnementale telle que mesurée par les cotes MSCI-KLD. Toutefois, est-ce que ces cotes sont véritablement liées au risque environnemental vécu par les entreprises? C’est la question de recherche abordée par ce mémoire. Plus spécifiquement, cette étude tente de déterminer si le niveau de performance environnementale d’une entreprise, telle que mesurée par la cote MSCI-KLD, a un impact sur sa probabilité d’expérimenter un événement environnemental, et donc sur sa réputation et son risque.

Dans cette thèse, une approche combinant des données issues de capteurs hétérogènes pour la reconnaissance d'activités des personnes âgées à domicile est proposée. Cette approche consiste à combiner les données fournies par des capteurs vidéo avec des données fournies par des capteurs environnementaux pour suivre l'interaction des personnes avec l'environnement. La première contribution est un nouveau modèle de capteur capable de donner une représentation cohérente et efficace des informations fournies par différents types de capteurs physiques. Ce modèle inclue l'incertitude sur la mesure. La deuxième contribution est une approche, basée sur une fusion multicapteurs, pour la reconnaissance d'activités. Cette approche consiste à détecter la personne, suivre ses mouvements, reconnaître ses postures et ses activités d'intérêt, par une analyse multicapteurs et une reconnaissance d'activités humaines. Pour résoudre le problème de la présence de capteurs hétérogènes, nous avons choisi de réaliser la fusion à haut niveau (niveau événement) des différentes données issues des différents capteurs, en combinant les événements vidéo avec les événements environnementaux. La troisième contribution est l'extension d'un langage de description qui permet aux utilisateurs (ex. le corps médical) de décrire les activités d'intérêt dans des modèles formels. Les résultats de cette approche sont montrés pour la reconnaissance des AVQ pour de vraies personnes agées évoluant dans un appartement expérimental appelé GERHOME équipé de capteurs vidéo et de capteurs environnementaux. Les résultats obtenus de la reconnaissance des différentes AVQ sont encourageants.