La mer côtière est le siège d'activités anthropiques multiples, parfois concurrentes, interagissant avec l'environnement naturel. La compréhension des interactions entre ces activités et le milieu est un objectif majeur de la recherche pour l'aide au développement durable des sociétés humaines. Dans ce contexte, il est notamment indispensable de se focaliser sur les modalités d'utilisation et d'exploitation du milieu par l'Homme. Cela répond à un fort besoin des scientifiques, qui cherchent à évaluer la part de l'activité humaine dans l'évolution des écosystèmes, et des gestionnaires en quête d'informations permettant une vision globale et interdisciplinaire du territoire. Dans ce cadre, le milieu marin pose des problèmes spécifiques. Sur cet espace ouvert, la lisibilité des phénomènes liés aux activités humaines est d'autant plus complexe. Une méthodologie visant à analyser le système est donc proposée. Elle consiste à réaliser une description du déroulement des activités humaines dans l'espace et dans le temps grâce à l'utilisation de filtres spatio-temporels. Cette approche fournit les bases d'une modélisation conceptuelle et logique des usages anthropiques intégrable au sein d'un simulateur de la Dynamique des Activités HUmaines (DAHU). L'exploitation des résultats via un SIG permet la restitution de représentations spatio-temporelles pertinentes et constitue ainsi une information synthétique utile à une gestion concertée de la mer côtière.

Dans le but d’interagir avec des êtres humains, les robots doivent effectuer destâches de perception basique telles que la détection de visage, l’estimation dela pose des personnes ou la reconnaissance de la parole. Cependant, pour interagir naturellement, avec les hommes, le robot doit modéliser des conceptsde haut niveau tels que les tours de paroles dans un dialogue, le centre d’intérêtd’une conversion, ou les interactions entre les participants. Dans ce manuscrit,nous suivons une approche ascendante (dite “top-down”). D’une part, nousprésentons deux méthodes de haut niveau qui modélisent les comportementscollectifs. Ainsi, nous proposons un modèle capable de reconnatre les activitésqui sont effectuées par différents des groupes de personnes conjointement, telsque faire la queue, discuter. Notre approche gère le cas général où plusieursactivités peuvent se dérouler simultanément et en séquence. D’autre part,nous introduisons une nouvelle approche d’apprentissage par renforcement deréseau de neurones pour le contrôle de la direction du regard du robot. Notreapproche permet à un robot d’apprendre et d’adapter sa stratégie de contrôledu regard dans le contexte de l’interaction homme-robot. Le robot est ainsicapable d’apprendre à concentrer son attention sur des groupes de personnesen utilisant seulement ses propres expériences (sans supervision extérieur).Dans un deuxième temps, nous étudions en détail les approchesd’apprentissage profond pour les problèmes de régression. Les problèmesde régression sont cruciaux dans le contexte de l’interaction homme-robotafin d’obtenir des informations fiables sur les poses de la tête et du corpsdes personnes faisant face au robot. Par conséquent, ces contributions sontvraiment générales et peuvent être appliquées dans de nombreux contextesdifférents. Dans un premier temps, nous proposons de coupler un mélangegaussien de régressions inverses linéaires avec un réseau de neurones convolutionnels. Deuxièmement, nous introduisons un modèle de mélange gaussien-uniforme afin de rendre l’algorithme d’apprentissage plus robuste aux annotations bruitées. Enfin, nous effectuons une étude à grande échelle pour mesurerl’impact de plusieurs choix d’architecture et extraire des recommandationspratiques lors de l’utilisation d’approches d’apprentissage profond dans destâches de régression. Pour chacune de ces contributions, une intense validation expérimentale a été effectuée avec des expériences en temps réel sur lerobot NAO ou sur de larges et divers ensembles de données. / In order to interact with humans, robots need to perform basic perception taskssuch as face detection, human pose estimation or speech recognition. However, in order have a natural interaction with humans, the robot needs to modelhigh level concepts such as speech turns, focus of attention or interactions between participants in a conversation. In this manuscript, we follow a top-downapproach. On the one hand, we present two high-level methods that model collective human behaviors. We propose a model able to recognize activities thatare performed by different groups of people jointly, such as queueing, talking.Our approach handles the general case where several group activities can occur simultaneously and in sequence. On the other hand, we introduce a novelneural network-based reinforcement learning approach for robot gaze control.Our approach enables a robot to learn and adapt its gaze control strategy inthe context of human-robot interaction. The robot is able to learn to focus itsattention on groups of people from its own audio-visual experiences.Second, we study in detail deep learning approaches for regression prob-lems. Regression problems are crucial in the context of human-robot interaction in order to obtain reliable information about head and body poses or theage of the persons facing the robot. Consequently, these contributions are really general and can be applied in many different contexts. First, we proposeto couple a Gaussian mixture of linear inverse regressions with a convolutionalneural network. Second, we introduce a Gaussian-uniform mixture model inorder to make the training algorithm more robust to noisy annotations. Finally,we perform a large-scale study to measure the impact of several architecturechoices and extract practical recommendations when using deep learning approaches in regression tasks. For each of these contributions, a strong experimental validation has been performed with real-time experiments on the NAOrobot or on large and diverse data-sets.

La Directive Cadre sur l'Eau exige le retour au bon état des cours d'eau en Europe. Ces cours d'eau reçoivent en effet différentes pollutions liées aux différentes activités économiques des populations installées le long de leurs rives. On s'intéresse souvent de façon isolée à des types particuliers de pollution: pollution agricole dues aux pesticides, engrais et résidus d'élevage en milieu rural, pollution spécifique d'une industrie (sidérurgie, papeterie, etc.), pollution domestique plus ou moins bien traitée, etc. Or dans de nombreux cas, on a affaire à un mélange de polluants. Dans le cas de la Moselle, la pollution générée par les activités humaines dans la partie française du bassin versant de la Moselle impacte la qualité des eaux de surface en aval, et donc celle du Rhin. Notre but est de contribuer à caractériser l’état de certains affluents de la Moselle (Madon, Meurthe, Vologne et Fensch) en fonction de leurs pressions anthropiques et de proposer une stratégie pour calculer les flux des polluants le long de ces cours d’eau. Dans ce contexte des compagnes de prélèvement avec un pas spatial fin. Outre les paramètres habituels de caractérisation de l’état des masses d’eau (conductivité, pH, carbone organique dissous, azote ammoniacal, nitrates, etc.) une attention particulière a été portée aux propriétés optiques (absorbance UV-visible, fluorescence synchrone) de la matière organique dissoute afin de mieux comprendre son origine. Les spectres de fluorescence synchrone ont été étudiés par déconvolution ou par analyse en composantes principales. En outre une méthode a été développée, basée sur la spectroscopie de fluorescence synchrone, pour détecter la présence des azurants optiques. Enfin une méthodologie a été mise au point appliquée au Madon pour calculer les flux journaliers moyens de pollution à chaque station d'échantillonnage pour chaque période d'échantillonnage à partir de données géographiques. Cette méthode permet ensuite d’évaluer les flux de pollution / The Water Framework Directive demands a return to good condition for rivers in Europe. These rivers receive different types of pollution related to various economic activities of populations installed along their banks. We are often interested in an isolated manner to particular types of pollution: pollution due to agricultural pesticides, fertilizers and livestock waste in rural areas, pollution due to a specific industry (steel, paper mill, etc.), more or less well treated domestic pollution, etc. But in many cases, we are dealing with a mixture of pollutants. In the case of the Moselle, the pollution generated by human activities in the French part of the Moselle watershed impacts surface water quality downstream and therefore the Rhine. Our goal is to characterize the state of some tributaries of the Moselle (Madon, Meurthe, Vologne and Fensch) versus anthropogenic pressures and propose a strategy to calculate the flow of pollutants along these rivers. In this context, sampling campaigns with a dense spatial stations have been organized. In addition to the usual parameters characterizing water quality (conductivity, pH, dissolved organic carbon, ammonia nitrogen, nitrate, etc.) a particular attention has been given to optical properties (UV-visible absorbance, synchronous fluorescence) of dissolved organic matter in order to understand its origin. Synchronous fluorescence spectra were studied by deconvolution or by principal components analysis. A method has been developed, based on the synchronous fluorescence spectroscopy, to detect the presence of optical brighteners. Finally, a methodology has been developed in Madon watershed in order to calculate the mean daily pollution flux at each sampling station for each sampling period from geographic data

Dans le but de mieux comprendre les facteurs agissant sur le milieu fluvial à l’échelle plurimillénaire, ainsi que les effets de la dynamique alluviale sur la préservation de l’information archéologique, une étude géoarchéologique a été menée sur quatre fenêtres des vallées de la Loire, de la Saône et du Doubs en Bourgogne (France). À partir de sites de franchissement romains et d’un pont médiéval, retrouvés dans le chenal actuel, puis en étendant les recherches à d’autres secteurs, l’évolution des lits mineur et majeur au cours de l’Holocène a été reconstituée. Des informations de natures diverses, datées et spatialisées, ont été croisées : pour les deux derniers siècles, principalement les plans et vues aériennes contemporains, tandis que les périodes plus anciennes sont abordées grâce aux indices archéologiques, à l’analyse géomorphologique du lit majeur et, principalement, aux archives sédimentaires. Ces dernières ont été analysées du point de vue de la sédimentologie de faciès afin d’identifier les processus à l’origine des dépôts. Les grandes étapes de l’évolution des trois grands cours d’eau étudiés, une fois identifiées et datées, ont été confrontées aux données existantes afin d’interroger l’influence qu’ont pu avoir les fluctuations climatiques et les activités humaines sur la dynamique alluviale. La reconstitution de l’évolution du milieu au cours de l’Holocène permet enfin d’aborder la question de la conservation des données archéologiques en domaine alluvial, propice à l’implantation humaine, mais où l’information est la plupart du temps masquée par une succession de processus taphonomiques. / A geoarchaeological study was led on four sections of the valleys of the Loire, Saône and Doubs rivers (Burgundy, France) in order to point out the factors influencing the alluvial dynamics on a multimillennial scale, and their effects on the preservation of archaeological information. Investigations started by roman and medieval remains of bridges discovered in active channels, were then carried out on larger parts of alluvial plains, and altogether allowed the evolutions of the channels during the Holocene period to be deducted. Various types of information on alluvial characteristics were crossed through time and space: ancient maps and XXth century or aerial photographs for centennial scale, archaeological data, geomorphological analysis, but mostly alluvial deposits for older periods. Facies analyses on fluvial sediments led to the identification and the reconstitution of successive sedimentary environments through time. The main steps of the evolution of the three rivers, after being identified and dated, were compared to previous studies in order to estimate the respective roles of climatic changes and anthropic influence on alluvial dynamics, on this regional scale, during the Holocene. Preservation of archaeological information in fluvial deposits is therefore discussed here, to reach a better understanding of taphonomic issues in such environmennts, which are potentially rich in archaeological remains.

The work done in this master's thesis, presents a new system for the recognition of human actions from a video sequence. The system uses, as input, a video sequence taken by a static camera. A binary segmentation method of the the video sequence is first achieved, by a learning algorithm, in order to detect and extract the different people from the background. To recognize an action, the system then exploits a set of prototypes generated from an MDS-based dimensionality reduction technique, from two different points of view in the video sequence. This dimensionality reduction technique, according to two different viewpoints, allows us to model each human action of the training base with a set of prototypes (supposed to be similar for each class) represented in a low dimensional non-linear space. The prototypes, extracted according to the two viewpoints, are fed to a $K$-NN classifier which allows us to identify the human action that takes place in the video sequence. The experiments of our model conducted on the Weizmann dataset of human actions provide interesting results compared to the other state-of-the art (and often more complicated) methods. These experiments show first the sensitivity of our model for each viewpoint and its effectiveness to recognize the different actions, with a variable but satisfactory recognition rate and also the results obtained by the fusion of these two points of view, which allows us to achieve a high performance recognition rate. / Le travail mené dans le cadre de ce projet de maîtrise vise à présenter un nouveau système de reconnaissance d’actions humaines à partir d'une séquence d'images vidéo. Le système utilise en entrée une séquence vidéo prise par une caméra statique. Une méthode de segmentation binaire est d'abord effectuée, grâce à un algorithme d’apprentissage, afin de détecter les différentes personnes de l'arrière-plan. Afin de reconnaitre une action, le système exploite ensuite un ensemble de prototypes générés, par une technique de réduction de dimensionnalité MDS, à partir de deux points de vue différents dans la séquence d'images. Cette étape de réduction de dimensionnalité, selon deux points de vue différents, permet de modéliser chaque action de la base d'apprentissage par un ensemble de prototypes (censé être relativement similaire pour chaque classe) représentés dans un espace de faible dimension non linéaire. Les prototypes extraits selon les deux points de vue sont amenés à un classifieur K-ppv qui permet de reconnaitre l'action qui se déroule dans la séquence vidéo. Les expérimentations de ce système sur la base d’actions humaines de Wiezmann procurent des résultats assez intéressants comparés à d’autres méthodes plus complexes. Ces expériences montrent d'une part, la sensibilité du système pour chaque point de vue et son efficacité à reconnaitre les différentes actions, avec un taux de reconnaissance variable mais satisfaisant, ainsi que les résultats obtenus par la fusion de ces deux points de vue, qui permet l'obtention de taux de reconnaissance très performant.

L'acquisition et la modélisation de connaissances ont été abordés jusqu'à présent selon deux approches principales : les êtres humains (experts) à l'aide des méthodologies de l'Ingénierie des Connaissances et le Knowledge Management, et les données à l'aide des techniques relevant de la découverte de connaissances à partir du contenu de bases de données (fouille de données). Cette thèse porte sur la conception d'un processus d'apprentissage conjoint par l'être humain et la machine combinant une approche de modélisation des connaissances de type Ingénierie des Connaissances (TOM4D, Timed Observation Modelling for Diagnosis) et une approche d'apprentissage automatique fondée sur un processus de découverte de connaissances à partir de données datées (TOM4L, Timed Observation Mining for Learning). Ces deux approches étant fondées sur la Théorie des Observations Datées, les modèles produits sont représentés dans le même formalisme ce qui permet leur comparaison et leur combinaison. Le mémoire propose également une méthode d'abstraction, inspiée des travaux de Newell sur le "Knowledge Level'' et fondée sur le paradigme d'observation datée, qui a pour but de traiter le problème de la différence de niveau d'abstraction inhérent entre le discours d'un expert et les données mesurées sur un système par un processus d'abstractions successives. Les travaux présentés dans ce mémoire ayant été menés en collaboration avec le CSTB de Sophia Antipolis (Centre Scientifique et Technique du Bâtiment), ils sont appliqués à la modélisation de l'activité humaine dans le cadre de l'aide aux personnes âgées maintenues à domicile. / Knowledge acquisition has been traditionally approached from a primarily people-driven perspective, through Knowledge Engineering and Management, or from a primarily data-driven approach, through Knowledge Discovery in Databases, rather than from an integral standpoint. This thesis proposes then a human-machine learning approach that combines a Knowledge Engineering modelling approach called TOM4D (Timed Observation Modelling For Diagnosis) with a process of Knowledge Discovery in Databases based on an automatic data mining technique called TOM4L (Timed Observation Mining For Learning). The combination and comparison between models obtained through TOM4D and those ones obtained through TOM4L is possible, owing to that TOM4D and TOM4L are based on the Theory of Timed Observations and share the same representation formalism. Consequently, a learning process nourished with experts' knowledge and knowledge discovered in data is defined in the present work. In addition, this dissertation puts forward a theoretical framework of abstraction levels, in line with the mentioned theory and inspired by the Newell's Knowledge Level work, in order to reduce the broad gap of semantic content that exists between data, relative to an observed process, in a database and what can be inferred in a higher level; that is, in the experts' discursive level. Thus, the human-machine learning approach along with the notion of abstraction levels are then applied to the modelling of human behaviour in smart environments. In particular, the modelling of elderly people's behaviour at home in the GerHome Project of the CSTB (Centre Scientifique et Technique du Bâtiment) of Sophia Antipolis, France.

Les mers côtières jouent un rôle essentiel pour les sociétés humaines. Mais la concentration et la diversité des activités qui s'y développent exercent une pression croissante sur cet espace et les milieux associés en générant des interactions parfois conflictuelles entre activités. La compréhension de ces interactions constitue un enjeu en termes de recherche et pour la société civile. Une méthodologie visant à décrire la distribution spatio-temporelle de différentes activités en mer côtière est donc conçue et mise en œuvre en rade de Brest. La collecte de données spatiales, temporelles, quantitatives et qualitatives combine l'analyse de bases de données spatio-temporelles comme celles issues du Système d'Identification Automatique (AIS), et le dépouillement d'entretiens semi-directifs menés auprès de personnes-ressources. À partir des données hétérogènes collectées, une information structurée dans une base de données spatio-temporelle (BDST) est produite. Dans un premier temps, son exploitation cartographique par un Système d'Information Géographique (SIG) permet la réalisation d'instantanés au pas de temps quotidien sur l'ensemble d'une année. La qualité de l'information temporelle et quantitative puis la nature et la source de l'information spatiale sont renseignées. Dans un second temps, la BDST est mobilisée pour identifier, spatialiser et quantifier les conflits d'usages potentiels et les interactions spatio-temporelles potentielles négatives entre les activités considérées en rade de Brest.

The work done in this master's thesis, presents a new system for the recognition of human actions from a video sequence. The system uses, as input, a video sequence taken by a static camera. A binary segmentation method of the the video sequence is first achieved, by a learning algorithm, in order to detect and extract the different people from the background. To recognize an action, the system then exploits a set of prototypes generated from an MDS-based dimensionality reduction technique, from two different points of view in the video sequence. This dimensionality reduction technique, according to two different viewpoints, allows us to model each human action of the training base with a set of prototypes (supposed to be similar for each class) represented in a low dimensional non-linear space. The prototypes, extracted according to the two viewpoints, are fed to a $K$-NN classifier which allows us to identify the human action that takes place in the video sequence. The experiments of our model conducted on the Weizmann dataset of human actions provide interesting results compared to the other state-of-the art (and often more complicated) methods. These experiments show first the sensitivity of our model for each viewpoint and its effectiveness to recognize the different actions, with a variable but satisfactory recognition rate and also the results obtained by the fusion of these two points of view, which allows us to achieve a high performance recognition rate. / Le travail mené dans le cadre de ce projet de maîtrise vise à présenter un nouveau système de reconnaissance d’actions humaines à partir d'une séquence d'images vidéo. Le système utilise en entrée une séquence vidéo prise par une caméra statique. Une méthode de segmentation binaire est d'abord effectuée, grâce à un algorithme d’apprentissage, afin de détecter les différentes personnes de l'arrière-plan. Afin de reconnaitre une action, le système exploite ensuite un ensemble de prototypes générés, par une technique de réduction de dimensionnalité MDS, à partir de deux points de vue différents dans la séquence d'images. Cette étape de réduction de dimensionnalité, selon deux points de vue différents, permet de modéliser chaque action de la base d'apprentissage par un ensemble de prototypes (censé être relativement similaire pour chaque classe) représentés dans un espace de faible dimension non linéaire. Les prototypes extraits selon les deux points de vue sont amenés à un classifieur K-ppv qui permet de reconnaitre l'action qui se déroule dans la séquence vidéo. Les expérimentations de ce système sur la base d’actions humaines de Wiezmann procurent des résultats assez intéressants comparés à d’autres méthodes plus complexes. Ces expériences montrent d'une part, la sensibilité du système pour chaque point de vue et son efficacité à reconnaitre les différentes actions, avec un taux de reconnaissance variable mais satisfaisant, ainsi que les résultats obtenus par la fusion de ces deux points de vue, qui permet l'obtention de taux de reconnaissance très performant.

Avec la mise en place des politiques de conservation des espèces sauvages, l'extension de l'urbanisation et l'accroissement des populations humaines, le contact homme-faune a considérablement augmenté au cours de ces dernières décennies. Par conséquent, le nombre de maladies d'origines zoonotiques a explosé avec six apparitions d'agents infectieux par an, dont 75% sont susceptibles d’être transmises par un vecteur. La plupart de ces maladies n'ayant pas encore de vaccins, les principales méthodes d'évitement sont basées sur les stratégies de lutte anti-vectorielle adaptées à l'écologie et au comportement alimentaire des vecteurs. Au Gabon, particulièrement dans les parcs nationaux, nous avons identifié six espèces de glossines (Glossina palpalis palpalis, G. fuscipes fuscipes, G. fusca congolense, G. pallicera newsteadi, G. caliginea et G tabaniformis) vivant principalement en milieux forestiers, six espèces de stomoxes (Stomoxys calcitrans, S. inornatus, S. niger niger, S. niger bilineatus, S. omega omega et S. transvittatus) inféodées aux milieux ouverts types forêt secondaire, savane et villages. Nous avons également identifié six espèces de tabanides (Ancala sp., Atylotus sp., Chrysops sp., Haematopota sp., Tabanus par et T. taeniola), mais leur distribution n'était pas claire dans les milieux prospectés. Par ailleurs, nous constatons que ces mouches hématophages ont un régime alimentaire très diversifié, comprenant les mammifères terrestres et aquatiques, les reptiles et les oiseaux. Elles se nourrissent à 86% sur la faune, contre seulement 14% sur l'homme. Cependant, dans les milieux anthropisés les repas sanguins d'origine humaine sont très importants, notamment dans les villages (100%) et autour des camps de recherche implantés dans les parcs (24%). Ainsi en l'absence de faune dans le milieu, ces mouches hématophages se nourrissent sur l'homme. Comme 75% des maladies émergentes chez l'homme proviennent de la faune sauvage et que près de ¾ d'entre elles circulent via le sang, elles sont donc susceptibles d’être détectées dans les repas sanguins de mouches hématophages. Cette technique d'échantillonnage non-invasif de la faune sauvage semble être un bon moyen d'identifier les agents infectieux à ADN (plasmodiums et trypanosomes), mais reste encore imprécise pour les agents infectieux à ARN (arbovirus). / The contact between human and wild fauna has considerably increased during these last decades due to the increase of human population size but also to conservation policies. As a consequence, the number of zoonotic diseases soared with a mean of six new infectious diseases per year, 75% of whom being vectorially transmitted. The way to avoid the human contamination by these emergent diseases is based on the efficient vector control resulting from a deep knowledge of the ecology and the feeding behavior of the different vector species. During our work, we have identified and characterized the ecology of 6 tsetse species (Glossina palpalis palpalis, G. fuscipes fuscipes, G. fusca congolense, G. pallicera newsteadi, G. caliginea and G. tabaniformis) that live in forests and 6 stomoxe species (Stomoxys calcitrans, S. inornatus, S. niger niger, S. niger bilineatus, S. omega omega and S. transvittatus) that live in and around (anthropized places) conservation areas. We have also identified 6 tabanid species (Ancala sp., Atylotus sp., Chrysops sp., Haematopota sp., Tabanus par and T. taeniola). The feeding ecology of the tsetse species have been studied through the determination of host extracted from blood meals in the insect caught with molecular techniques. These hematophagous insects had a diversified diet that was constituted of diverse mammal species but also reptiles and birds. The food intake results mostly from wild fauna (86%) and more rarely from humans (14%). However, in anthropised habitats (villages and research’s camps within the parks), the blood intakes from human origin were important, in particular in the villages (100%), suggesting that without wild fauna the flies shift on human host. In the last part of our work, we tried to identify pathogens in the blood samples extracted from the tsetse species in order to test whether these species could be used as living sampling syringe of the wild fauna. This new proposed non-invasive sampling techniques allowed to detect the DNA of various infectious agents (plasmodiums and trypanosomes), but failed to detect the RNA of viruses (arbovirus) suggesting that this approach could be useful but need to be improved.

Les mers côtières jouent un rôle essentiel pour les sociétés humaines. Mais la concentration et la diversité des activités qui s’y développent exercent une pression croissante sur cet espace et les milieux associés en générant des interactions parfois conflictuelles entre activités. La compréhension de ces interactions constitue un enjeu en termes de recherche et pour la société civile. Une méthodologie visant à décrire la distribution spatio-temporelle de différentes activités en mer côtière est donc conçue et mise en œuvre en rade de Brest. La collecte de données spatiales, temporelles, quantitatives et qualitatives combine l’analyse de bases de données spatio-temporelles comme celles issues du Système d’Identification Automatique (AIS), et le dépouillement d’entretiens semi-directifs menés auprès de personnes-ressources. À partir des données hétérogènes collectées, une information structurée dans une base de données spatio-temporelle (BDST) est produite. Dans un premier temps, son exploitation cartographique par un Système d’Information Géographique (SIG) permet la réalisation d’instantanés au pas de temps quotidien sur l’ensemble d’une année. La qualité de l’information temporelle et quantitative puis la nature et la source de l’information spatiale sont renseignées. Dans un second temps, la BDST est mobilisée pour identifier, spatialiser et quantifier les conflits d’usages potentiels et les interactions spatio-temporelles potentielles négatives entre les activités considérées en rade de Brest. / Coastal seas play an essential role for human societies who develop many and diverse activities. These space and resource consuming activities induce an increase pressure on the environment and sometimes generate conflicting interactions among various activities. Understanding these interactions remains a challenge for research and civil society. A methodology is proposed to describe the spatial and temporal distribution of several activities in coastal sea. An application is developed in the bay of Brest (Brittany, France). Spatial, temporal, quantitative and qualitative data acquisition combines both analysis of spatio-temporal databases such as automatic identification system (AIS) databases, and results from semi-structured interviews with key-informants. The heterogeneous data collected are stored in a spatio-temporal database (STDB). First, the STDB is used with a Geographic Information System (GIS) to produce temporal snapshots of daily human activities patterns within a year. The quality of temporal and quantitative information and the nature and source of spatial information are also provided. Secondly, the STBD enables to identify, quantify and map potential uses conflicts and potential negative spatial interactions between activities in the bay of Brest.