Le travail présenté dans cette thèse traite de l'exploration et de la manipulation des résumés de bases de données de taille significative. Les résumés produits par le système SaintEtiQ sont des vues matérialisées multi-niveaux de classes homogènes de données, présentées sous forme de collections d'étiquettes floues disponibles sur chaque attribut. La contribution de cette thèse repose sur trois points. En premier lieu nous avons défini un modèle de données logique appelé partition de résumés, par analogie avec les cubes de données OLAP, dans le but d'offrir à l'utilisateur final un outil de présentation des données sous forme condensée et adaptée à l'analyse. En second lieu, nous avons défini une collection d'opérateurs algébriques sur l'espace multidimensionnel des partitions de résumés. Ces opérateurs sont à la base d'une algèbre de manipulation des résumés. Cette algèbre prend en compte les spécificités du modèle de résumé que nous traitons. Nous avons adapté la ma jorité des opéra- teurs d'analyse proposés dans les systèmes OLAP. Ainsi, nous avons identifié : les opérateurs de base issus de l'algèbre relationnelle, les opérateurs de changement de granularité et les opérateurs de restructuration. Ces résultats offrent de nouvelles perspectives pour l'exploitation effective des résumés dans un système décisionnel. Finalement, pour compléter ce travail, nous nous sommes intéressés à la représen- tation des résumés et des partitions de résumés linguistiques, notamment pour en fournir une présentation claire et concise à l'utilisateur final. Appliquée à une hiérar- chie de résumés produite par le système SaintEtiQ, l'approche tente de construire des prototypes flous représentant les résumés.

This Habilitation thesis outlines my research activities carried out as an Associate Professor at Univ. Paris-Sud and Inria Saclay Île-de-France. During this period, from 2003 to early 2012, my work was - and still is - at the interface between Knowledge Representation and Databases. I have mainly focused on ontology-based data management using the Semantic Web data models promoted by W3C: the Resource Description Framework (RDF) and the Web Ontology Language (OWL). In particular, my work has covered (i) the design, (ii) the optimization, and (iii) the decentralization of ontology-based data management techniques in these data models. This thesis briefly reports on the results obtained along these lines of research.

Les rencontres avec Monsieur* VIELLEDENT, Directeur de l'Ecole* Supérieure des Mines de Saint-Etienne, très intéressé par Les problèmes pédagogiques et avec Monsieur MAHL, Directeur du département informatique de cette école, ont contribué à définir les buts de notre recherche* : implémenter un système de banques de données accessibles à des utilisateurs "étudiants" (aide à l'enseignement) "ingénieurs et techniciens" (aide à la conception assistée par ordinateur) ou "gestionnaires" (aide à la gestion). Cet objectif fixé, nous avons étudié les réalisations françaises et étrangères dans ces domaines. Ainsi, une importante bibliographie a été consultée. Son analyse critique nous a conduits à préciser les grandes lignes de notre recherche. Ces éléments sont résumés dans la première partie (introduction générale) de ce mémoire qui montre comment notre travail s'est orienté suivant deux axes principaux a) La conception et l'implémentation d'un système de gestion de bases de données ( SOMINE ) b) Les recherches montrant comment ce système peut être appliqué à des domaines aussi divers que l'E.A.O., la C.A.O. ou l'optimisation de la structuration des informations.

Pour qui s'intéresse aux structurations spatiales des universités et aux caractéristiques géographiques des mobilités étudiantes, la notion de Société(s) de la Connaissance constitue souvent une toile de fond sur laquelle prend appui nombre de démonstrations. Avant d'explorer les différentes " mises en espace des sociétés de la connaissance par les universités et les pratiques étudiantes ", ce travail propose de dresser un inventaire des indicateurs souvent mobilisés pour rendre compte de ces sociétés de la connaissance et des différenciations spatiales qu'ils révèlent, mais aussi de leurs espaces emblématiques. Dans un deuxième temps, le travail s'appuie sur les bases de données qui rendent compte de l'offre de formations dans les universités françaises et des caractéristiques des mobilités étudiantes entre établissements et entre villes. Les mises en regard des mobilités et sédentarités étudiantes avec les offres de formation soulignent les limites des nomenclatures proposées pour approcher plus finement les réalités des pratiques étudiantes. Les mises en regard des mobilités étudiantes avec l'inertie des structures spatiales des universités permettent de remettre en perspective les choix récents faits en termes d'aménagement du territoire universitaire voire d'aménagement du territoire par les universités. L'ancrage territorial de tels équipements ne s'inscrit pas dans les mêmes temporalités que les parcours de formation des étudiants, les agendas et autres échéances auxquelles sont soumis les responsables politiques qui relaient une partie de la demande économique et sociale. Il en résulte une très faible " capitalisation " des bilans dressés au cours des différentes périodes charnières qui ont marqué l'histoire de l'Université. Dans le prolongement de ces approches, 3 pistes de recherche sont proposées. Il s'agit tout d'abord d'étudier les pratiques étudiantes durant les parcours de formation, de mieux cerner le phénomène de migrations " différées ", le moindre attrait de Paris en liens avec la déconcentration des lieux de formation. En élargissant les perspectives, il s'agit de travailler aussi sur les liens entre migrations étudiantes, décroissance démographique et équipements universitaires dans un contexte européen marqué par la décroissance démographique. Enfin, il a déjà été souligné dans les missions de l'Université, la dissociation de plus en plus forte entre activités de formation, ubiquistes, et activités de recherche, plus spécifiques. Il s'agit de se focaliser sur les pratiques des chercheurs " révélées " par leurs publications et de s'interroger sur les décalages entre tendances propres aux formations et celles propres à la recherche.

Cette thèse traite de l'intégration de bases de données topographiques qui consiste à expliciter les relations de correspondance entre bases de données hétérogènes, de sorte à permettre leur utilisation conjointe. L'automatisation de ce processus d'intégration suppose celle de la détection des divers types d'hétérogénéité pouvant intervenir entre les bases de données topographiques à intégrer. Ceci suppose de disposer, pour chacune des bases à intégrer, de connaissances sur leurs contenus respectifs. Ainsi, l'objectif de cette thèse réside dans la formalisation, l'acquisition et l'exploitation des connaissances nécessaires pour la mise en œuvre d'un processus d'intégration virtuelle de bases de données géographiques vectorielles. Une première étape du processus d'intégration de bases de données topographiques consiste à apparier leurs schémas conceptuels. Pour ce faire, nous proposons de nous appuyer sur une source de connaissances particulière : les spécifications des bases de données topographiques. Celles-ci sont tout d'abord mises à profit pour la création d'une ontologie du domaine de la topographie. Cette ontologie est utilisée comme ontologie de support, dans le cadre d'une première approche d'appariement de schémas de bases de données topographiques, fondée sur des techniques d'appariement terminologiques et structurelles. Une seconde approche, inspirée des techniques d'appariement fondées sur la sémantique, met en œuvre cette ontologie pour la représentation des connaissances sur les règles de sélection et de représentation géométrique des entités géographiques issues des spécifications dans le langage OWL 2, et leur exploitation par un système de raisonnement

Un défi majeur de l’ère post-génomique est de définir l’ensemble des protéines encodées par le génome : le protéome. Un ARNm mature est en général associé à un seul cadre ouvert de lecture (ORF, open reading frame en anglais) de référence (RefORF) codant pour une protéine. Des ORFs alternatifs (AltORFs) sont cependant présents dans les régions non-traduites (UTRs), ou chevauchant le RefORF dans les cadres de lecture alternatifs +2 et +3. Les AltORFs offrnt le potentiel d’augmenter la diversité protéique, mais leur réelle contribution au protéome est peu caractérisée. Par des techniques de biologie moléculaire, de biochimie, et de biologie cellulaire, j'ai tout d’abord mis en évidence chez plusieurs mammifères supérieurs, l’expression endogène d'une protéine alternative appelée AltPrP à partir du gène PRNP. La découverte d'AltPrP devrait améliorer notre compréhension des rôles pathologiques et physiologiques de ce gène. Suite à la découverte d'AltPrP, et basé sur ce modèle d’AltORF chevauchant un RefORF, j'ai entrepris d’investiguer l’étendue de l’utilisation de ces AltORFs comme source de diversité protéique, chez l’humain en particulier. Par des méthodes computationnelles, j'ai participé à la création d'une base de données d'AltORFs prédits dans les ARNm humains (HA1tORF, pour Human Alternative ORFs). HA1tORF est consultable et interrogeable en ligne. Elle facilitera et accélérera la découverte et l’étude des AltORFs. J'ai ensuite mis au point une approche protéomique afin d'apporter des preuves expérimentales de l’utilisation à grande échelle des AltORFs. Une base de données d’AltORFs, mise à jour pour inclure ceux chevauchant en tout ou partie les UTRs, a été créée et utilisée pour déterminer par spectrométrie de masse la contribution des protéines alternatives au protéome humain. J'ai validé l’expression de 1259 protéines alternatives prédites à travers différents échantillons. J'ai aussi démontré que l’expression d'AltORFs impliquait d’importants biais dans les dessins expérimentaux (transfections ou criblage de banques d’ADNc par exemple). Enfin, un grand nombre de protéines alternatives semblent conservées à travers l’évolution, suggérant leur importance fonctionnelle. En conclusion, mes travaux de doctorat ont permis de mettre en évidence que les AltORFs conduisent à l’expression de nouvelles protéines jusqu’alors ignorées. Ces résultats redéfinissent notre vision du protéome, remettent en question notre compréhension de la structure et de la fonction des gènes eucaryotes, et ouvrent la voie vers l’étude fonctionnelle des protéines alternatives.

Parmi les techniques utilisées en fouille de données, la recherche de motifs séquentiels permet d'extraire des connaissances sur le comportement des données. Les principaux travaux de recherche autour des motifs s'intéressent à la définition d'algorithmes efficaces pour « passer à l'échelle » et manipuler un espace de recherche volumineux. Même si ces dernières années nous nous sommes également intéressés au facteur temps pour l'extraction de motifs, les travaux présentés dans ce mémoire se focalisent plus particulièrement sur de nouvelles extensions proposées aux motifs afin d'offrir des connaissances correspondant aux attentes du décideur. Tout d'abord nous proposons une représentation des données « classiques » (i.e. booléennes) en développant les définitions de motifs séquentiels que nous avons choisis comme format de description des comportements extraits. Nous répondons ensuite, au travers de l'approche ISE, à la question suivante : comment utiliser une connaissance extraite au préalable pour optimiser la phase d'extraction lorsque de nouvelles données arrivent ? Nous proposons également une représentation moins stricte des comportements et définissons les méthodes d'extraction associées (approche approximative) : SpeedyFuzzy, MiniFuzzy et TotallyFuzzy. Via une composante floue, nous montrons que de nouveaux motifs plus informatifs peuvent être extraits. Nous poursuivons l'utilisation de l'approche approximative pour prendre en compte des contraintes temporelles dans des motifs : GETC. Cette approche complète nos précédents travaux consistant à intégrer très tôt les contraintes dans le processus d'extraction et ainsi optimiser leur prise en compte : GTC.<br />Lorsque les données manipulées deviennent plus complexes, nous montrons que les motifs s'avèrent être également une représentation adaptée. Nous nous attachons à décrire certaines de nos propositions sur deux types de données complexes : (1) pour les documents textuels, nous proposons une approche de classification supervisée SPAC et (2) pour les données multidimensionnelles, nous présentons deux nouvelles techniques permettant de prendre en compte différentes dimensions d'analyse, M2SP, et la hiérarchie disponible sur les dimensions : HYPE.

The emergence of new architectures like the cloud open new challenges for data management. It is no longer pertinent to reason with respect a to set of computing, storage and memory resources, instead it is necessary to conceive algorithms and processes considering an unlimited set of resources usable via a "pay as U go model", energy consumption or services reputation and provenance models. Instead of designing processes and algorithms considering as threshold the resources availability, the cloud imposes to take into consideration the economic cost of the processes vs. resources use, results presentation through access subscription, and the parallel exploitation of available resources. Our research contributes to the construction of service based data management systems. The objective is to design data management services guided by SLA contracts. We proposed methodologies, algorithms and tools for querying, deploying and executing service coordinations for programming data management functions. These functions, must respect QoS properties (security, reliability, fault tolerance, dynamic evolution and adaptability) and behaviour properties (e.g., transactional execution) adapted to application requirements. Our work proposes models and mechanisms for adding these properties to new service based data management functions.

Base de données est un recueil d’œuvres, de données ou d’autres éléments indépendants, disposés de manière systématique ou méthodique et individuellement accessibles par des moyens électroniques ou d’une autre manière. La protection organisée par la directive, par le Code de la propriété intellectuelle français et par la Loi des droits d’auteurs et des droits voisins lituanienne est double.

Cette thèse est consacrée à une analyse approfondie de la capacité des "réseaux de neurones artificiels" (RNA) à la prédiction des mouvements sismiques. Un premier volet important concerne la dérivation par RNA de "GMPE" (équations de prédiction du mouvement du sol) et la comparaison des performances ainsi obtenues avec celles des GMPE "classiques" obtenues sur la base de régressions empiriques avec une forme fonctionnelle préétablie (plus ou moins complexe). Pour effectuer l’étude comparative et obtenir les deux composnates inter-événement « betweeen-event » et intra-événement « within-event » de la variabilité aléatoire, nous intégrons l’algorithme du « modèle à effets aléatoires » à l’approche neuronale. Cette approche est testée sur différents jeux de données réelles et synthétiques : la base de données compilée à partir d'événements européens, méditerranéens et du Moyen-Orient (RESORCE : Reference database for Seismic grOund-motion pRediction in Europe), la base de données NGA-West 2 (Next Generation Attenuation West 2 développée aux USA), la base de données japonaise dérivée du réseau accélérométrique KiK-net. En outre, un set de données synthétiques provenant d'une approche par simulation stochastique est utilisé. Les paramètres du mouvement du sol les plus utilisés en génie parasismique (PGA, PGV, spectres de réponse et également, dans certains cas, les fonctions d'amplification locales) sont considérés. Les modèles neuronaux ainsi obtenus, complètement dirigés par les données « data-driven », nous renseignent sur les influences respectives et éventuellement couplées de l’atténuation avec la distance, de l'effet d’échelle lié à la magnitude, des conditions de site et notamment la présence éventuelle de non-linéarités. Un autre volet important est consacré à l'utilisation des RNA pour tester la pertinence de différents proxies de site, au travers de leur capacité à réduire la variabilité aléatoire des prédictions de mouvement du sol. Utilisés individuellement ou en couple, ces proxies de site décrivent de manière plus ou moins détaillée l'influence des conditions de site locales sur le mouvement sismique. Dans ce même volet, nous amorçons également une étude des liens entre les aspects non-linéaire de la réponse de site, et les différents proxies de site. Le troisième volet se concentre sur certain effets liés à la source : analyse de l’influence du style de la faille sismique sur le mouvement du sol, ainsi qu'une approche indirecte de la dépendance entre la magnitude et la chute de contrainte sismique. / This thesis is devoted to an in-depth analysis of the ability of "Artificial Neural Networks" (ANN) to achieve reliable ground motion predictions. A first important aspect concerns the derivation of "GMPE" (Ground Motion Prediction Equations) with an ANN approach, and the comparison of their performance with those of "classical" GMGEs derived on the basis of empirical regressions with pre-established, more or less complex, functional forms. To perform such a comparison involving the two "betweeen-event" and "within-event" components of the random variability, we adapt the algorithm of the "random effects model" to the neural approach. This approach is tested on various, real and synthetic, datasets: the database compiled from European, Mediterranean and Middle Eastern events (RESORCE: Reference database for Seismic grOund-motion pRediction in Europe), the database NGA West 2 (Next Generation Attenuation West 2 developed in the USA), and the Japanese database derived from the KiK-net accelerometer network. In addition, a comprehensive set of synthetic data is also derived with a stochastic simulation approach. The considered ground motion parameters are those which are most used in earthquake engineering (PGA, PGV, response spectra and also, in some cases, local amplification functions). Such completely "data-driven" neural models, inform us about the respective, and possibly coupled, influences of the amplitude decay with distance, the magnitude scaling effects, and the site conditions, with a particular focus on the detection of non-linearities in site response. Another important aspect is the use of ANNs to test the relevance of different site proxies, through their ability to reduce the random variability of ground motion predictions. The ANN approach allows to use such site proxies either individually or combined, and to investigate their respective impact on the various characteristics of ground motion. The same section also includes an investigation on the links between the non-linear aspects of the site response and the different site proxies. Finally, the third section focuses on a few source-related effects: analysis of the influence of the "style of faulting" on ground motion, and, indirectly, the dependence between magnitude and seismic stress drop.