La visualisation d'informations est un domaine qui connaît un réel intérêt depuis une dizaine d'années. Dernièrement, avec l'explosion des moyens de communication, l'analyse de réseaux sociaux fait l'objet de nombreux travaux de recherches. Nous présentons dans cette thèse des travaux sur l'analyse de réseaux sociaux dynamiques, c'est à dire que nous prenons en compte l'aspect temporel des données. [...] / Since ten years, informations visualization domain knows a real interest.Recently, with the growing of communications, the research on social networks analysis becomes strongly active. In this thesis, we present results on dynamic social networks analysis. That means that we take into account the temporal aspect of data. We were particularly interested in communities extraction within networks and their evolutions through time. [...]

L'objectif de cette thèse est d'étudier la possibilité de construire la fonction de corrélation à 2 points des amas de galaxies détectés dans les grands relevés optiques de galaxies. En particulier j’étudie l’impact de décalages vers le rouge dégradés car dérivés de données photométriques seules comme cela sera le cas pour les grands relevés à venir. J’ai utilisé des sous-échantillons d’amas sélectionnés dans les catalogues simulés. Les décalages vers le rouge des amas sont modélisés à partir des décalages exacts auxquels sont rajoutés un brui gaussien d’écart type σ (z=0) = 0.005 à 0.050. La fonction de corrélation dans l’espace direct est calculées par une méthode de déprojection. L’étude a été menée sur 4 intervalles de masse et 6 de redshift couvrant le domaine 0<z<2, en s’appuyant dans un premier temps sur les redshifts cosmologiques, puis sur les redshifts bruités. Un accroissement clair de l’amplitude de corrélation avec le redshift et la masse a été trouvé. L’évolution du paramètre de biais b(M,z) est en bon accord avec les prédictions théoriques. La relation d’échelle r0-d est aussi confirmée pour tous les échantillons jusqu’aux plus hauts redshifts et masses. Pour les échantillons bruités il est montré que la fonction de corrélation peut être reconstruite avec une précision de 10% pour σ (z=0) = 0.030. Les paramètres des ajustements ainsi que les biais reconstruits pour tous les bruits envisagés sont compatibles avec le cas non bruité dans un intervalle de 1σ. L’impact de la sélection des échantillons en richesse plutôt qu’en masse est aussi envisagé. Il est montré que Σ(>N200) est similaire à Σ(>masse), ainsi que la fonction de biais qui peut être reproduite à 1σ près. / I aim to study to which accuracy it is actually possible to recover the real-space to-point correlation function from cluster catalogues based on photometric redshifts. I make use of cluster sub-samples selected from a light-cone simulated catalogue. Photometric redshifts are assigned to each cluster by randomly extracting from a Gaussian distribution having a dispersion varied in the range σ (z=0) = 0.005 à 0.050. The correlation function in real-space is computed through deprojection method. Four masse ranges and six redshifts slices covering the redshift range 0<z<2 are investigated, using cosmological redshifts (Zc) and then using photometric redshifts. A clear increase of the corretation amplitude with redshift and mass is found. The evolution of the bias parameter b(M,z) is in fair agreement with the theoretical expectations. The existence of the r0-d relation up to the highest mass, highest redshift sample is tested and is confirmed. It is found that the real-space correlation function can be recovered within and accuracy of 10% for σ (z=0) = 0.030. The best-fit parameters as well as the bias for all σz, are within the 1σ uncertainty of the Zc sample.

La prolifération des réseaux sociaux et des données à caractère personnel apporte de nombreuses possibilités de développement de nouvelles applications. Au même temps, la disponibilité de grandes quantités de données à caractère personnel soulève des problèmes de confidentialité et de sécurité. Dans cette thèse, nous développons des méthodes pour identifier les différents comptes d'un utilisateur dans des réseaux sociaux. Nous étudions d'abord comment nous pouvons exploiter les profils publics maintenus par les utilisateurs pour corréler leurs comptes. Nous identifions quatre propriétés importantes - la disponibilité, la cohérence, la non-impersonabilite, et la discriminabilité (ACID) - pour évaluer la qualité de différents attributs pour corréler des comptes. On peut corréler un grand nombre de comptes parce-que les utilisateurs maintiennent les mêmes noms et d'autres informations personnelles à travers des différents réseaux sociaux. Pourtant, il reste difficile d'obtenir une précision suffisant pour utiliser les corrélations dans la pratique à cause de la grandeur de réseaux sociaux réels. Nous développons des schémas qui obtiennent des faible taux d'erreur même lorsqu'elles sont appliquées dans les réseaux avec des millions d'utilisateurs. Ensuite, nous montrons que nous pouvons corréler les comptes d'utilisateurs même si nous exploitons que leur activité sur un les réseaux sociaux. Ça sa démontre que, même si les utilisateurs maintient des profils distincts nous pouvons toutefois corréler leurs comptes. Enfin, nous montrons que, en identifiant les comptes qui correspondent à la même personne à l'intérieur d'un réseau social, nous pouvons détecter des imitateurs. / The proliferation of social networks and all the personal data that people share brings many opportunities for developing exciting new applications. At the same time, however, the availability of vast amounts of personal data raises privacy and security concerns.In this thesis, we develop methods to identify the social networks accounts of a given user. We first study how we can exploit the public profiles users maintain in different social networks to match their accounts. We identify four important properties – Availability, Consistency, non- Impersonability, and Discriminability (ACID) – to evaluate the quality of different profile attributes to match accounts. Exploiting public profiles has a good potential to match accounts because a large number of users have the same names and other personal infor- mation across different social networks. Yet, it remains challenging to achieve practically useful accuracy of matching due to the scale of real social networks. To demonstrate that matching accounts in real social networks is feasible and reliable enough to be used in practice, we focus on designing matching schemes that achieve low error rates even when applied in large-scale networks with hundreds of millions of users. Then, we show that we can still match accounts across social networks even if we only exploit what users post, i.e., their activity on a social networks. This demonstrates that, even if users are privacy conscious and maintain distinct profiles on different social networks, we can still potentially match their accounts. Finally, we show that, by identifying accounts that correspond to the same person inside a social network, we can detect impersonators.

Avec l’avènement du numérique, il est désormais possible aux chercheurs d’amasser des grandes quantités de données et les plateformes de réseaux sociaux en ligne ne font pas exception à cela. Les sociologues, comme d’autres, se sont emparés de ces nouvelles ressources afin de poursuivre leurs enquêtes sur les modalités de l’interaction entre individus et leur impact sur la structuration de la sociabilité. Suivant cette voie, ce travail de thèse vise à l’analyse d’un grand nombre de comptes Facebook, aussi bien au travers des outils classiques de l’analyse de données que de la théorie des graphes, à laquelle des contributions méthodologiques sont apportées. Deux facteurs principaux encouragent l’étude de l’activité et de la sociabilité en ligne. D’une part, le temps important dédié à cette plateforme par de nombreux internautes justifie l’intérêt porté par les sociologues aux échanges qui s’y construisent. Par ailleurs, et contrairement à ce que l’on peut observer sur d’autre sites de réseaux sociaux en ligne, les liens entre individus sur Facebook sont proches de ceux hors-lignes. Dans un premier temps, la thèse s’évertue à démêler les multiples facettes de ce à quoi ”être sur Facebook” correspond. Distribués autour de pratiques normatives fabulées, les usages de nos enquêtés fluctuent au gré de leur appropriation ou non des composantes de l’importante variété de moyens de communication proposés par la plateforme. Ces usages, comme on le verra, sont ainsi différemment adoptés selon les catégories socioprofessionnelles et influent par ailleurs sur les modalités d’échanges et d’interactions des enquêtés avec leurs amis en ligne. Ces modalités sont également explorées dans ce travail, tout comme le rôle du conjoint et sa place dans la structure relationnelle. La seconde partie de la thèse se propose de construire une typologie de ces structures relationnelles dites égocentrées, c’est-à-dire depuis le point de vue de l’enquêté. Cette typologie des réseaux de sociabilité en ligne se base sur l’énumération de leurs sous-graphes induits, les graphlets, initialement développée par des chercheurs en bioinformatique. Cette approche offre une vision méso (entre micro et macro) des réseaux, propice à souligner des phénomènes inédits de sociologie des réseaux. A fort potentiel pluri-disciplinaire, la méthodologie graphlets elle même est également discutée et explorée. / With the digital advent, it is now possible for researchers to collect important amounts of data and online social network platforms are surely part of it. Sociologists, among others, seized those new resources to investigate over interaction modalities between individuals as well as their impact on the structure of sociability. Following this lead, this thesis work aims at analyzing a large number of Facebook accounts, through data analysis and graph theory classical tools, and to bring methodological contributions. Two main factors encourage to study Facebook social activities. On one hand, the importance of time spent on this platform by many Internet users justifies by itself the sociologists interest. On the other, and contrarily to what we observe on other social network websites, ties between individuals are similar to the ones that appear offline. First, the thesis proposes to detangle the multiple meanings that are behind the fact of ”being on Facebook”. The uses of our surveyed are not compacted in fantasized normative practices but vary depending on how they appropriate the different composers of the platform tools. These uses, as we will see it, do not concern all the socioprofessional categories in the same way and they also influence how the respondents interact with their online friends. The manuscript also explores these interactions, as well as the lover role into the relational structure. Second part of the thesis builds a typology of these relational structures. They are said as egocentred, which means that they are taken from the perspective of the respondent. This typology of social networks is based on their graphlet counts, that are the number of times each type of subnetwork appear in them. This approach offers a meso perspective (between micro and macro), that is propitious to underline some new social phenomena. With a high pluri-disciplinary potential, the graphlet methodology is also discussed and explored itself.

Cette thèse s’articule autour du développement d'outils d’analyse des modes B du fond diffus cosmologique (CMB) dans le but d'estimer l’amplitude des ondes gravitationnelles primordiales produites durant la période inflationnaire.Nous nous intéressons plus précisément aux grandes échelles angulaires, pour lesquelles le signal attendu des modes B primordiaux est dominant. Ces échelles étant particulièrement contaminées par des émissions polarisées galactiques, nous avons étudié et développé des méthodes permettant de réduire ces contaminations et de caractériser les résidus. Ces outils peuvent être utilisés pour analyser les données des satellites tels que Planck ou LiteBIRD. Afin de quantifier l’amplitude des modes B, nous avons développé et caractérisé un estimateur de spectre en puissance des anisotropies du CMB. Celui-ci s’exécute dans l'espace des pixels et permet de croiser des cartes mesurées par différent détecteurs. La méthode est optimale, et minimise les fuites de variance des modes E vers les modes B.Nous avons appliqué les méthodes de nettoyage et d’estimation de spectre aux cartes de données et de simulations en polarisation fournies publiquement par Planck. Nos contraintes sur la comportement spectral de la poussière et du rayonnement synchrotron galactique sont en accord avec les analyses précédentes. Enfin, nous avons pu déduire une limite supérieure sur l’amplitude des ondes gravitationnelles primordiales. / This thesis focuses on the development of analysis tools of the primordial B modes of the Cosmic Microwave Background (CMB). Our goal is to extract the amplitude of the primordial gravitational waves produced during the inflationary period.Specifically, we are interested in the large angular scales, for which the primary B modes signal is expected to be dominant. Since these scales are particularly contaminated by polarised galactic emissions, we have studied and developed approaches to reduce those contaminations and to characterise their residuals. Those methods are applicable to satellite missions such as Planck or LiteBIRD.In order to estimate the B modes amplitude, we developed and characterised a CMB anisotropies power spectrum estimator. The algorithm is pixels-based and allows to cross-correlate maps measured by different detectors. The method is optimal and minimises the E-to-B variance leakage.We applied the cleaning and spectrum estimation approaches to the polarisation data and simulation maps publicly provided by Planck. The constraints that we deduce are in agreement with past analysis. Ultimately, we derive an upper limit on the primordial gravitational waves amplitude.

Nous proposons d’étendre des méthodes statistiques classiques telles que l’analyse discriminante, la régression logistique, la régression de Cox, et l’analyse canonique généralisée régularisée au contexte des données multivoie, pour lesquelles, chaque individu est décrit par plusieurs instances de la même variable. Les données ont ainsi naturellement une structure tensorielle. Contrairement à leur formulation standard, une contrainte structurelle est imposée. L’intérêt de cette contrainte est double: d’une part elle permet une étude séparée de l’influence des variables et de l’influence des modalités, conduisant ainsi à une interprétation facilitée des modèles. D’autre part, elle permet de restreindre le nombre de coefficients à estimer, et ainsi de limiter à la fois la complexité calculatoire et le phénomène de sur-apprentissage. Des stratégies pour gérer les problèmes liés au grande dimension des données sont également discutées. Ces différentes méthodes sont illustrées sur deux jeux de données réelles: (i) des données de spectroscopie d’une part et (ii) des données d’imagerie par résonance magnétique multimodales d’autre part, pour prédire le rétablissement à long terme de patients ayant souffert d’un traumatisme cranien. Dans ces deux cas les méthodes proposées offrent de bons résultats quand ont compare des résultats obtenus avec les approches standards. / In this thesis we develop a framework for the extension of commonly used linear statistical methods (Fisher Discriminant Analysis, Logistical Regression, Cox regression and Regularized Canonical Correlation Analysis) to the multiway context. In contrast to their standard formulation, their multiway generalization relies on structural constraints imposed to the weight vectors that integrate the original tensor structure of the data within the optimization process. This structural constraint yields a more parsimonious and interpretable model. Different strategies to deal with high dimensionality are also considered. The application of these algorithms is illustrated on two real datasets: (i) serving for the discrimination of spectroscopy data for which all methods where tested and (ii) to predict the long term recovery of patients after traumatic brain injury from multi-modal brain Magnetic Resonance Imaging. In both datasets our methods yield valuable results compared to the standard approach.

L’objectif de cette thèse est de contribuer à l’amélioration du processus de dépouillement d’essais de sûreté visant étudier le comportement d'un combustible nucléaire en contexte d’accident d’injection de réactivité (RIA), via la technique de contrôle par émission acoustique. Il s’agit notamment d’identifier clairement les mécanismes physiques pouvant intervenir au cours des essais à travers leur signature acoustique. Dans un premier temps, au travers de calculs analytiques et des simulation numériques conduites au moyen d’une méthode d’éléments finis spectraux, l’impact du dispositif d’essais sur la propagation des ondes est étudié. Une fréquence de résonance du dispositif est identifiée. On établit également que les mécanismes basses fréquences ne sont pas impactés par le dispositif d'essais. En second lieu, diverses techniques de traitement du signal (soustraction spectrale, analyse spectrale singulière, ondelettes. . . ) sont expérimentées, afin de proposer des outils permettant de traiter différent types de bruit survenant lors des essais RIA. La soustraction spectrale s’avère être la méthode la plus robuste aux changements de nature du bruit, avec un fort potentiel d’amélioration du rapport signal-à-bruit. Enfin, des méthodes d’analyse de données multivariées et d’analyse de données fonctionnelles ont été appliquées, afin de proposer un algorithme de classification statistique permettant de mieux comprendre la phénoménologie des accidents de type RIA et d’identifier les mécanismes physiques. Selon l’approche (multivariée ou fonctionnelle), les algorithmes obtenus permettent de reconnaître le mécanisme associé à une salve dans plus de 80% des cas. / The objective of the thesis is to contribute to the improvement of the monitoring process of nuclear safety experiments dedicated to study the behavior of the nuclear fuel in a reactivity initiated accident (RIA) context, by using the acoustic emission technique. In particular, we want to identify the physical mechanisms occurring during the experiments through their acoustic signatures. Firstly, analytical derivations and numerical simulations using the spectral finite element method have been performed in order to evaluate the impact of the wave travelpath in the test device on the recorded signals. A resonant frequency has been identified and it has been shown that the geometry and the configuration of the test device may not influence the wave propagation in the low frequency range. Secondly, signal processing methods (spectral subtraction, singular spectrum analysis, wavelets,…) have been explored in order to propose different denoising strategies according to the type of noise observed during the experiments. If we consider only the global SNR improvement ratio, the spectral subtraction method is the most robust to changes in the stochastic behavior of noise. Finally, classical multivariate and functional data analysis tools are used in order to create a machine learning algorithm dedicated to contribute to a better understanding of the phenomenology of RIA accidents. According to the method (multivariate or functional), the obtained algorithms allow to identify the mechanisms in more than 80 % of cases.

Le satellite Planck est le satellite de troisième génération visant à observer le fond diffus cosmologique. La résolution et la sensibilité de ses instruments permettent pour la première fois de mettre en évidence les effets de lentille gravitationnelle subis par les photons du fond diffus cosmologique. Cette thèse présente une méthode originale de détection de ces effets dans les données de l'instrument HFI de Planck.La première partie donne dans un premier temps, une description générale du modèle standard de la cosmologie et de la physique du fond diffus cosmologique. Elle aborde ensuite en détails l'effet de lentille gravitationnelle, en se concentrant plus particulièrement sur son impact sur les observables du fond diffus cosmologique. Elle termine par une présentation du satellite Planck et de ses instruments.La seconde partie se concentre sur la description d'un ensemble d'outils de simulations et d'analyse que j'ai développé au cours de ma thèse afin de réaliser la première détection des effets de lentille gravitationnelle sur le fond diffus cosmologique. Elle présente la méthode originale employée qui repose sur une analyse des cartes du ciel par morceaux, permettant de s'affranchir des zones du ciel les plus contaminées. On trouvera également dans cette partie une caractérisation, de l'estimateur du champ de potentiel de lentille, pour des cartes masquée, en présence de bruit inhomogène ainsi que la présentation d'une méthode pour corriger les biais de l'analyse à l'aide de simulations Monte-Carlo.La dernière partie, est consacrée au travail sur les données de l'instrument HFI. Le premier chapitre présente l'application de la méthode d'analyse précédente aux cartes des observations combinées à 143GHz et 217GHz ainsi que la carte issue de la séparation des composantes avec l'algorithme GMCA. Les résultats montrent un spectre de puissance de la déflexion compatible avec le spectre attendu, dans un modèle lambda CMB, calculé à partir des paramètres cosmologiques issus de WMAP intégrant sept années d'observations. Les points de mesure, issus du spectre combiné des cartes à 143GHz et 217GHz, pour les multipôles inférieurs à 500, donnent un Chi2 par degré de liberté de 1.26. Finalement, le dernier chapitre présente l'algorithme de compression des données de l'instrument HFI à bord du satellite. Il traite en détail le réglage et le suivi des paramètres de compression et du débit des données, depuis le lancement du satellite et fait le bilan sur les erreurs de compression rencontrées

De nombreuses applications génèrent et reçoivent des données sous la forme de flux continu, illimité, et très rapide. Cela pose naturellement des problèmes de stockage, de traitement et d'analyse de données qui commencent juste à être abordés dans le domaine des flux de données. Il s'agit, d'une part, de pouvoir traiter de tels flux à la volée sans devoir mémoriser la totalité des données et, d'autre part, de pouvoir traiter de manière simultanée et concurrente l'analyse des régularités inhérentes au flux de données et celle des nouveautés, exceptions, ou changements survenant dans ce même flux au cours du temps. L'apport de ce travail de thèse réside principalement dans le développement d'un modèle d'apprentissage - nommé ILoNDF - fondé sur le principe de la détection de nouveauté. L'apprentissage de ce modèle est, contrairement à sa version de départ, guidé non seulement par la nouveauté qu'apporte une donnée d'entrée mais également par la donnée elle-même. De ce fait, le modèle ILoNDF peut acquérir constamment de nouvelles connaissances relatives aux fréquences d'occurrence des données et de leurs variables, ce qui le rend moins sensible au bruit. De plus, doté d'un fonctionnement en ligne sans répétition d'apprentissage, ce modèle répond aux exigences les plus fortes liées au traitement des flux de données. Dans un premier temps, notre travail se focalise sur l'étude du comportement du modèle ILoNDF dans le cadre général de la classification à partir d'une seule classe en partant de l'exploitation des données fortement multidimensionnelles et bruitées. Ce type d'étude nous a permis de mettre en évidence les capacités d'apprentissage pures du modèle ILoNDF vis-à-vis de l'ensemble des méthodes proposées jusqu'à présent. Dans un deuxième temps, nous nous intéressons plus particulièrement à l'adaptation fine du modèle au cadre précis du filtrage d'informations. Notre objectif est de mettre en place une stratégie de filtrage orientée-utilisateur plutôt qu'orientée-système, et ceci notamment en suivant deux types de directions. La première direction concerne la modélisation utilisateur à l'aide du modèle ILoNDF. Cette modélisation fournit une nouvelle manière de regarder le profil utilisateur en termes de critères de spécificité, d'exhaustivité et de contradiction. Ceci permet, entre autres, d'optimiser le seuil de filtrage en tenant compte de l'importance que pourrait donner l'utilisateur à la précision et au rappel. La seconde direction, complémentaire de la première, concerne le raffinement des fonctionnalités du modèle ILoNDF en le dotant d'une capacité à s'adapter à la dérive du besoin de l'utilisateur au cours du temps. Enfin, nous nous attachons à la généralisation de notre travail antérieur au cas où les données arrivant en flux peuvent être réparties en classes multiples. / Many applications produce and receive continuous, unlimited, and high-speed data streams. This raises obvious problems of storage, treatment and analysis of data, which are only just beginning to be treated in the domain of data streams. On the one hand, it is a question of treating data streams on the fly without having to memorize all the data. On the other hand, it is also a question of analyzing, in a simultaneous and concurrent manner, the regularities inherent in the data stream as well as the novelties, exceptions, or changes occurring in this stream over time. The main contribution of this thesis concerns the development of a new machine learning approach - called ILoNDF - which is based on novelty detection principle. The learning of this model is, contrary to that of its former self, driven not only by the novelty part in the input data but also by the data itself. Thereby, ILoNDF can continuously extract new knowledge relating to the relative frequencies of the data and their variables. This makes it more robust against noise. Being operated in an on-line mode without repeated training, ILoNDF can further address the primary challenges for managing data streams. Firstly, we focus on the study of ILoNDF's behavior for one-class classification when dealing with high-dimensional noisy data. This study enabled us to highlight the pure learning capacities of ILoNDF with respect to the key classification methods suggested until now. Next, we are particularly involved in the adaptation of ILoNDF to the specific context of information filtering. Our goal is to set up user-oriented filtering strategies rather than system-oriented in following two types of directions. The first direction concerns user modeling relying on the model ILoNDF. This provides a new way of looking at user's need in terms of specificity, exhaustivity and contradictory profile-contributing criteria. These criteria go on to estimate the relative importance the user might attach to precision and recall. The filtering threshold can then be adjusted taking into account this knowledge about user's need. The second direction, complementary to the first one, concerns the refinement of ILoNDF's functionality in order to confer it the capacity of tracking drifting user's need over time. Finally, we consider the generalization of our previous work to the case where streaming data can be divided into multiple classes.

Si les fonds souverains ne sont pas nouveaux, leur nombre et leur pouvoir financier n’ont cessé de croître depuis le début des années 2000, suscitant de nombreuses inquiétudes, notamment dans les pays développés. Les fonds souverains sont-ils guidés par les mêmes motivations que les investisseurs institutionnels ? Leur pouvoir financier risque-t-il de déstabiliser les marchés? Ces interrogations ont fait des fonds souverains un thème de recherche à part entière dans lequel s’inscrit ce travail de recherche. Le premier essai de cette thèse contribue à identifier les principaux facteurs susceptibles d’inciter un pays à créer un fonds souverain. En outre, les stratégies d’investissement des fonds souverains suscitent de nombreuses interrogations : poursuivent-ils un objectif de rendement financier ou ont-ils des objectifs plus stratégiques? Le deuxième essai met en évidence la complexité du processus de décision des fonds souverains en testant s’ils préfèrent investir dans des pays qui leurs sont familiers et/ou dans des pays dans lesquels ils ont déjà investi par le passé. Dans le prolongement de cette analyse, le troisième essai s’intéresse plus spécifiquement aux déterminants des prises de participations majoritaires des fonds souverains en se focalisant sur un groupe de fonds particulièrement actifs : les fonds des Pays du Golfe. Plus précisément, cette analyse vise à identifier les facteurs qui influencent la décision de prendre le contrôle dans une entreprise donnée. / If Sovereign Wealth Funds (SWFs) are not new, their number and their financial power have grown sharply since the beginning of the 2000's, which raise concerns, particularly among developed countries. Are SWFs' motives comparable to other institutional investors'? May SWFs investments destabilize financial markets? These concerns have encouraged researchers to investigate the issues raised by SWFs and it has now become a subject of research in its own rights. This thesis is in line with this literature. The first essay of this thesis identifies the main factors driving the decision to establish a fund. Moreover, investment decisions of SWFs are not well understood yet. Are SWFs investments driven by the search for financial profits or do they pursue more strategic objectives? The second essay highlights the complexity of the investment decision-making process of SWFs, testing if they rather invest in countries with which they share common characteristics and/or in countries where they have already invested. In line with this second essay, the third essay analyzes more specifically the determinants of majority acquisitions made by SWFs by focusing on some particularly active funds: Gulf Countries' SWFs. More precisely, this analysis aims at identifying both microeconomic and macroeconomic factors driving the decision to acquire a majority stake in a cross-border firm.