Ce mémoire de thèse s'intéresse aux réseaux hétérogènes de capteurs sans fil (Wireless Sensor Networks - WSNs) constitués par une multitude de dispositifs de détection qui coexistent malgré leurs caractéristiques différentes. Contrairement aux réseaux homogènes de capteurs, chaque capteur d'un réseau hétérogène est capable de détecter et mesurer différents phénomènes physiques (température, pression, humidité) et générer ainsi un trafic avec des caractéristiques spécifiques, différentes d'un capteur à l'autre. En effet, selon l'application visée, le déploiement initial des nœuds peut être aléatoire, résultant en une répartition non-homogène des nœuds dans l'environnement. Autres facteurs comme l'extinction d'un nœud suite à l'épuisement de sa batterie ou à une faute générique peuvent impacter l'hétérogénéité de la répartition des nœuds. Tous ces phénomènes peuvent être perçus comme une source supplémentaire d'hétérogénéité dans les réseaux de capteurs sans fil. Puisque les facteurs d'hétérogénéité peuvent évoluer tant au cours du temps que dans l'espace, il est indispensable de concevoir des mécanismes adaptatifs pour les réseaux hétérogènes de capteurs afin de réagir et de s'adapter à la dynamique du réseau. De tels mécanismes adaptatifs sont toutefois difficiles à mettre en place. L'objectif majeur de cette thèse est d'étudier les problèmes liés à l'hétérogénéité dans les réseaux de capteurs sans fil afin de concevoir des méthodes de contrôle de l'accès au canal (Medium Access Control - MAC) qui s'adaptent à la dynamique de l'hétérogénéité tout en étant économe d'un point de vue énergétique. Deux sources d'hétérogénéité sont envisagées. Dans un premier temps, nous considérons les problématiques liées aux sources dans trafics multiples chacune dotée de caractéristiques et contraintes spécifiques. Pour pallier ce problème, un protocole MAC adaptatif basé sur une approche asynchrone est proposé ; il consiste en une méthode MAC de préservation de l'énergie, couplée à l'utilisation d'un instant de rendez-vous pour la transmission des données. Le protocole proposé, LA-MAC pour Low-Latency MAC, permet de garantir de façon efficace le transport de messages au travers d'un réseau multi-sauts grâce à la transmission d'agrégats de données (bursts). De vastes campagnes de simulations numériques corroborent la supériorité de LA-MAC en termes de latence, de taux de paquets correctement délivrés et de consommation énergétique par rapport à d'autres protocoles présentés dans l'état de l'art. Dans un second temps, nous étudions des réseaux dynamiques de capteurs sans fil, dont la densité de nœuds varie en temps et en espace. Cette densité des nœuds dans le réseau peut se définir comme étant le nombre de dispositifs avec des données à émettre par mètre carré. En effet, de brusques augmentations de la densité résultent en un accroissement du taux de paquets perdus en raison d'une hausse de la probabilité de collision des trames. En outre, une baisse de la densité des nœuds peut causer un gaspillage énergétique dû à une écoute oisive. Dans ce mémoire, nous traitons des réseaux dynamiques de capteurs sans fils dans lesquels les nœuds et les liens radio entre ces nœuds peuvent apparaître ou disparaître au cours du temps en raison de l'épuisement de leurs batterie, ou de toute autre opération d'administration du réseau, comme par exemple le déploiement de nœuds additionnels. Le travail présenté démontre qu'il est possible de fournir un support à la qualité de service (QoS) dans les réseaux dynamiques grâce à une méthode MAC adaptative et consciente de la densité, baptisée DA-MAC pour Density Aware MAC. Avec DA-MAC, les nœuds s'appuient sur la valeur de la densité locale et adaptent périodiquement les paramètres locaux qui régissent le protocole afin d'accéder au canal sans collision. L'efficacité du protocole proposé est présentée en comparaison d'autres protocoles de l'état de l'art dans de vastes campagnes de simulations numériques.

Les infrastructures de calcul très haute performance ont connu une croissance rapide en particulier ces dernières années. Cette croissance a toujours été motivée par les besoins accrus en puissance de calcul qu'expriment les scientifiques dans divers domaines. Cependant, ces systèmes devenus de plus en plus larges constituent de gros consommateurs d'électricité et consomment déjà plusieurs mégawatts. Afin de consommer ''moins'' et ''mieux'', nous avons proposé un environnement logiciel qui d'une part, permet de choisir avant de pré-exécuter l'application, les versions de services applicatifs consommant le moins d'énergie, et qui d'autre part, repose sur une grille électrique intelligente pour planifier les réservations des ressources de calcul de ces infrastructures. Cet environnement, appelé SESAMES, a été adapté à deux services applicatifs indispensables au calcul très haute performance : la tolérance aux pannes et la diffusion de données. Des validations expérimentales ont montré que l'on peut réduire la consommation énergétique de chacun des deux services étudiés en s'appuyant sur les estimations énergétiques précises fournies par SESAMES pour n'importe quel contexte d'exécution et pour n'importe quelle plate-forme dotée de wattmètres. Notre méthodologie d'estimation repose sur une description du contexte d'exécution et sur une calibration de la plate-forme d'exécution basée sur la collecte de mesures énergétiques. Des simulations ont démontré que l'ordonnanceur multi-critères des réservations de ressources proposé dans SESAMES, permet de réduire à la fois la consommation énergétique, le coût financier et l'impact environnemental de ces réservations, tout en respectant les contraintes imposées par l'utilisateur et le fournisseur d'énergie.

Les infrastructures de calcul très haute performance ont connu une croissance rapide en particulier ces dernières années. Cette croissance a toujours été motivée par les besoins accrus en puissance de calcul qu'expriment les scientifiques dans divers domaines. Cependant, ces systèmes devenus de plus en plus larges constituent de gros consommateurs d'électricité et consomment déjà plusieurs mégawatts. Afin de consommer ''moins'' et ''mieux'', nous avons proposé un environnement logiciel qui d'une part, permet de choisir avant de pré-exécuter l'application, les versions de services applicatifs consommant le moins d'énergie, et qui d'autre part, repose sur une grille électrique intelligente pour planifier les réservations des ressources de calcul de ces infrastructures. Cet environnement, appelé SESAMES, a été adapté à deux services applicatifs indispensables au calcul très haute performance : la tolérance aux pannes et la diffusion de données. Des validations expérimentales ont montré que l'on peut réduire la consommation énergétique de chacun des deux services étudiés en s'appuyant sur les estimations énergétiques précises fournies par SESAMES pour n'importe quel contexte d'exécution et pour n'importe quelle plate-forme dotée de wattmètres. Notre méthodologie d'estimation repose sur une description du contexte d'exécution et sur une calibration de la plate-forme d'exécution basée sur la collecte de mesures énergétiques. Des simulations ont démontré que l'ordonnanceur multi-critères des réservations de ressources proposé dans SESAMES, permet de réduire à la fois la consommation énergétique, le coût financier et l'impact environnemental de ces réservations, tout en respectant les contraintes imposées par l'utilisateur et le fournisseur d'énergie. / High performance computing (HPC) infrastructures have experienced a rapid growth, particularly these last years. This growth has been driven by the increased need in terms of computational power expressed by scientists in various fields. However, their increasing size makes them important electricity consumers since they already consume several megawatts. In order to consume "less" and better", we proposed a framework which permits to choose the less consuming versions of the services before pre-executing the application. In addition, our framework relies on a smart grid in order to schedule resource reservations on these computing infrastructures. This framework, called SESAMES, is adapted to two services required in high performance computing: fault tolerance and data broadcasting. Experimental validations have shown that we can reduce the energy consumption of both services by relying on accurate energy estimations provided by SESAMES for any execution context and for any platform equipped with wattmeters. Our estimation methodology is based on a description of the execution context and on a platform calibration that consists of gathering energy measurements. Simulations have shown that the multi-criteria reservation scheduler proposed in SESAMES, simultaneously reduces the energy consumption, the financial cost and the environmental impact of these reservations, while respecting the constraints imposed by the user and the energy supplier.