Dans cette thèse, nous proposons des algorithmes de recommandation sémantique et sociale, qui recommandent un produit pour les utilisateurs qui sont connectés par un réseau de collaboration sociale. Ces algorithmes utilisent deux types d'informations : information sémantique et information sociale .L' information sémantique est basée sur la pertinence sémantique entre les utilisateurs et le produit à recommandé, tandis que l' information sociale est basée sur la position de l'utilisateur et de leur type et de la qualité des connexions entre eux dans le réseau de collaboration . Enfin, nous utilisons l'algorithme de parcoure profondeur (DFS) et l'algorithme de parcoure en largeur (BFS), pour explorer le réseau social.Utilisation de l' information sémantique et l'information sociale , dans le système de recommandation , nous aide à explorer partiellement le réseau social , ce qui nous conduit à réduire la taille des données explorées et de minimiser le temps de recherche dans le réseau.Nous appliquons nos algorithmes sur des données réelles : MovieLens et Amazon , et nous comparons la précision de la performance de nos algorithmes avec les algorithmes de recommandation classiques , comme l'algorithme de filtrage collaborative et l'algorithme hybrideNos résultats montrent un taux de précision satisfaisants , et une performance très significative du temps d'exécution et de la taille des données explorées , par rapport aux autres algorithmes de recommandation classiques .En fait , l'importance de nos algorithmes repose sur le fait que ces algorithmes explorent une très petite partie du graphe , au lieu d'explorer tout le graphe que les méthodes de recherche classiques , et encore donnent une bonne précision par rapport aux autres algorithmes de recommandation classiques . Donc , en minimisant la taille des données recherchées n'influence pas mal la précision des résultats . / In this thesis we propose semantic-social recommendation algorithms, that recommend an input item to users connected by a collaboration social network. These algorithms use two types of information: semantic information and social information.The semantic information is based on the semantic relevancy between users and the input item; while the social information is based on the users position and their type and quality of connections in the collaboration social network. Finally, we use depth-first search and breath-first search strategies to explore the graph.Using the semantic information and the social information, in the recommender system, helps us to partially explore the social network, which leads us to reduce the size of the explored data and to minimize the graph searching time.We apply our algorithms on real datasets: MovieLens and Amazon, and we compare the accuracy an the performance of our algorithms with the classical recommendation algorithms, mainly item-based collaborative filtering and hybrid recommendation.Our results show a satisfying accuracy values, and a very significant performance in execution time and in the size of explored data, compared to the classical recommendation algorithms.In fact, the importance of our algorithms relies on the fact that these algorithms explore a very small part of the graph, instead of exploring all the graph as the classical searching methods, and still give a good accuracy compared to the other classical recommendation algorithms. So, minimizing the size of searched data does not badly influence the accuracy of the results.

Cette thèse a pour objet d’évaluer, de développer et de tester différentes méthodes qualitatives et manières d’évaluer ex-post les impacts et la contribution de la recherche sur les processus d’innovations et la société, par rapport à la transition à l’agriculture biologique.Nous avons réalisé deux cas d’études traitant de la transition à l’agriculture biologique. Le premier est le cas camarguais (en France) englobant un ensemble d’innovations techniques. Le second concerne le développement du produit biologique Ecostop pour protéger les abeilles contre la maladie de la varroatose en Bulgarie.Nous évaluons le potentiel d’une approche globale basée sur l’analyse participative du chemin de l’impact (PIPA) mais adaptée et complémentée par de nombreuses autres méthodes (premier article, partie 4), ainsi que le potentiel de l’analyse du réseau social (SNA) (deuxième article, partie 5) et de la théorie de l’acteur réseau (ANT) (troisième article, partie 6) pour l’évaluation ex-post des impacts et de la contribution de la recherche. Nous étudions les impacts de la recherche en Camargue et la manière dont ils ont été générés. Le cas Bulgare est seulement utilisé pour évaluer le potentiel d’ANT (avec le cas camarguais).L’approche basée sur PIPA permet d’évaluer avec succès les impacts et la contribution de la recherche. Nous avons pu mettre en évidence que la recherche a contribué au changement en Camargue à travers le développement d’interactions de co-apprentissage avec les producteurs bien que cela ne se soit pas avéré crucial pour le succès de l’innovation dans son ensemble. Les politiques agricoles, facteurs économiques, tests conduits indépendamment par les agriculteurs, et le cadre institutionnel, ont été les facteurs les plus importants et ayant eu le plus d’effets. En ce qui concerne SNA, il est apparu utile pour valider les dires des parties prenantes sur les relations entre acteurs ainsi que leurs implications sur la transition à l’agriculture biologique. Par exemple, le rôle grandissant joué par l’INRA (Institut National de la Recherche Agronomique) au sein du réseau d’acteurs a été confirmé de même que sa contribution à la transition vers l’agriculture biologique. Quant à l’approche ANT, elle permet de mettre en avant les relations interpersonnelles d’acteurs et leurs effets sur le développement de l’innovation. Nous soulignons en particulier l’importance des leaders d’opinion au cours des phases d’implémentation et de diffusion ; et montrons également l’importance de problématiser les questions devant être traitées afin d’améliorer le succès des programmes de recherche. / This thesis intends to evaluate, develop and test different qualitative methods and ways of ex-post assessing the impacts and contribution of the research on innovation processes and the society, in relation to the transition to organic agriculture.We have conducted two case studies focusing on the transition to organic farming. First is the Camargue case (in France) that encompasses a broad range of technical innovations. Second is on the development of the organic product Ecostop to protect bees against the varroatosis disease in Bulgaria.We evaluate the potential of a broad approach based on the Participatory Impact Pathway Analysis (PIPA) and adapted & complemented by several other methods (first article, part 4), as well as the potential of the Social Network Analysis (SNA) (second paper, part 5) and of the Actor Network Theory (ANT) (third paper, part 6), in evaluating ex-post the impacts and contribution of the research. We study the impacts of the research in the Camargue and how they were generated. The Bulgarian case is only used to evaluate the potential of ANT (together with the Camargue case).The approach based on PIPA allows assessing successfully the impacts and contribution of the research. We could show that the research contributed to change in the Camargue by developing co-learning interactions with farmers although this was not critical to the success of the innovation as a whole. The agricultural policies, economic factors, the testing conducted independently by farmers, and the institutional framework, were the most important and influential factors. With respect to SNA, it was of interest to validate stakeholders’ views on actors’ relationships and their implications on the transition to organic farming. For example, the growing role played by INRA (National Research Agronomic Institute) within the actor network was confirmed as well as its contribution to the transition. As to ANT, it allows highlighting interpersonal actors’ relationships and their effects on the innovation development. We particularly underline the importance of opinion leaders in the phases of implementation and diffusion; and also show the importance of problematizing the issues to be tackled in order to increase the success of research programs.

Les maladies infectieuses représentent aujourd’hui un problème majeur de santé publique. Devant l’augmentation des résistances bactériennes, l’émergence de nouveaux pathogènes et la propagation rapide de l’épidémie, le suivi et la surveillance de la transmission de la maladie devient particulièrement importants. Face à une telle menace, la société doit se préparer à l'avance pour réagir rapidement et efficacement si une telle épidémie est déclarée. Cela nécessite une mise en place des dispositifs de suivi et de prévention. Dans ce contexte, nous nous intéressons, dans le présent travail, à l’élaboration d’un Système d’Information Décisionnel Spatio-temporel pour le suivi et la surveillance du phénomène de propagation de l’épidémie de la grippe saisonnière au sein de la population de la ville d’Oran (Algérie). L’objectif de ce système est double : il consiste, d’une part, à comprendre comment l’épidémie se propage par l’utilisation du réseau social Small World (SW) et du modèle à compartiments d’épidémie SEIR (Susceptible-Exposed-Infected-Removed), et d’autre part, à stocker dans un entrepôt les données multiples tout en les analysant par un outil d’analyse en ligne de donnée Spatiale dit SOLAP (Spatial On-Line Analytical Processing). / Today, infectious diseases represent a major public health problem. With the increase of bacterial resistance, the emergence of new pathogens and the rapid spread of epidemic, monitoring and surveillance of disease transmission becomes important. In the face of such a threat, the society must prepare in advance to respond quickly and effectively if an outbreak is declared. This requires setting up monitoring mechanisms and prevention.In this context, we are particularly interested by development a Spatiotemporal decision support system for monitoring and preventing the phenomenon of seasonal influenza epidemic spread in the population of Oran (city at Algeria).The objective of this system is twofold: on one hand, to understand how epidemic is spreading through the social network by using SEIR (Susceptible-Exposed-Infected-Removed) compartmental model within Small World network, and on the other hand, to store multiple data in data warehouse and analyzing it by a specific online analysis tool Spatial OLAP (Spatial on-line Analytical Processing).