Cette thèse consiste en l'utilisation d'outils d'informatiques pour recueillir des informations concernant l'écologie d'espèces animales. L'objectif de départ était d'assembler des algorithmes capables de traiter des enregistrements acoustiques et de détecter, lister et dénombrer les sons éventuellement présents d'insectes, amphibiens et oiseaux. Pour ce faire nous avons testé de manière non exhaustive différents classifieurs et descripteurs de signal audio9 pour (première partie) organiser et participer à trois concours internationaux de reconnaissance automatique de sons d'animaux et (seconde partie) construire un outil de suivi d'abondance de deux espèces d'oiseaux marins pélagiques sur l'île de la Réunion. La première moitié de la thèse (chapitre 7) a été dédiée à la construction et au test de modèles de reconnaissance multi-classes (92 espèces animales : 82 espèces d'oiseaux (dont 66 passériformes), 9 espèces d'insectes, et 1 espèce d'amphibien, Pelophylax kl. grafi). La seconde moitié de la thèse (chapitre 8) s'est concentrée sur la construction de détecteurs de cris de deux espèces d'oiseaux protégées dont les colonies sont particulièrement difficiles d'accès et menacées par le développement et les éclairages urbains : Le Pétrel de Barau (Pterodroma baraui, endémique de la Réunion et en danger d'extinction depuis 2008 d'après l'UICN) et le Puffin tropical (Puffinus bailloni). / The present manuscript deals with computer science applied to ecology. The main objective was to assembly algorithms able to analyse acoustic recordings and automatically detect, list and count sounds of insects, amphibiansand birds. We tested a non exhaustive list of audio features and classifiers to (first part) organize and participate to three international challenges of automatic regnotion of animal's sounds and (second part) build a automatic and passive acoustic monitoring of two species of pelagic seabirds on the Reunion island.

This work describes completely new approach to detection of retinal nerve fibre layer (RNFL) loss in colour fundus images. Such RNFL losses indicate eye glaucoma illness and an early diagnosis of RNFL changes is very important for successful treatment. Method is presented with the purpose of supporting glaucoma diagnosis in ophthalmology. The proposed textural analysis method utilizes local binary patterns (LBP). This approach is characterized especially by computational simplicity and insensitivity to monotonic changes of illumination. Image histograms of LBP distributions are used to gain several textural features aimed to classify healthy or glaucomatous tissue of the retina. The method was experimentally tested using fundus images of glaucomatous patients with focal RNFL loss. The results show that the proposed method can be used in order to supporting diagnosis of glaucoma with satisfactory efficiency.