Les modèles génétiques de réservoirs sont construits par la simulation des principaux processus de sédimentation dans le temps. En particulier, les modèles tridimensionnels de systèmes chenalisés méandriformes peuvent être construits à partir de trois processus principaux : la migration du chenal, l’aggradation du système et les avulsions, comme c’est réalisé dans le logiciel Flumy pour les environnements fluviatiles. Pour une utilisation opérationnelle, par exemple la simulation d'écoulements, ces simulations doivent être conditionnées aux données d'exploration disponibles (diagraphie de puits, sismique, …). Le travail présenté ici, basé largement sur des développements antérieurs, se concentre sur le conditionnement du modèle Flumy aux données de puits.Deux questions principales ont été examinées au cours de cette thèse. La première concerne la reproduction des données connues aux emplacements des puits. Cela se fait actuellement par une procédure de "conditionnement dynamique" qui consiste à adapter les processus du modèle pendant le déroulement de la simulation. Par exemple, le dépôt de sable aux emplacements de puits est favorisé, lorsque cela est souhaité, par une adaptation des processus de migration ou d'avulsion. Cependant, la manière dont les processus sont adaptés peut générer des effets indésirables et réduire le réalisme du modèle. Une étude approfondie a été réalisée afin d'identifier et d'analyser les impacts indésirables du conditionnement dynamique. Les impacts ont été observés à la fois à l'emplacement des puits et dans tout le modèle de blocs. Des développements ont été réalisés pour améliorer les algorithmes existants.La deuxième question concerne la détermination des paramètres d’entrée du modèle, qui doivent être cohérents avec les données de puits. Un outil spécial est intégré à Flumy - le "Non-Expert User Calculator" (Nexus) - qui permet de définir les paramètres de simulation à partir de trois paramètres clés : la proportion de sable, la profondeur maximale du chenal et l’extension latérale des corps sableux. Cependant, les réservoirs naturels comprennent souvent plusieurs unités stratigraphiques ayant leurs propres caractéristiques géologiques. L'identification de telles unités dans le domaine étudié est d'une importance primordiale avant de lancer une simulation conditionnelle avec des paramètres cohérents pour chaque unité. Une nouvelle méthode de détermination des unités stratigraphiques optimales à partir des données de puits est proposée. Elle est basée sur la Classification géostatistique hiérarchique appliquée à la courbe de proportion verticale (VPC) globale des puits. Les unités stratigraphiques ont pu être détectées à partir d'exemples de données synthétiques et de données de terrain, même lorsque la VPC globale des puits n'était pas visuellement représentative. / Process-based reservoir models are generated by the simulation of the main sedimentation processes in time. In particular, three-dimensional models of meandering channelized systems can be constructed from three main processes: migration of the channel, aggradation of the system and avulsions, as it is performed in Flumy software for fluvial environments. For an operational use, for instance flow simulation, these simulations need to be conditioned to available exploration data (well logging, seismic, …). The work presented here, largely based on previous developments, focuses on the conditioning of the Flumy model to well data.Two main questions have been considered during this thesis. The major one concerns the reproduction of known data at well locations. This is currently done by a "dynamic conditioning" procedure which consists in adapting the model processes while the simulation is running. For instance, the deposition of sand at well locations is favored, when desired, by an adaptation of migration or avulsion processes. However, the way the processes are adapted may generate undesirable effects and could reduce the model realism. A thorough study has been conducted in order to identify and analyze undesirable impacts of the dynamic conditioning. Such impacts were observed to be present both at the location of wells and throughout the block model. Developments have been made in order to improve the existing algorithms.The second question is related to the determination of the input model parameters, which should be consistent with the well data. A special tool is integrated in Flumy – the Non Expert User calculator (Nexus) – which permits to define the simulation parameters set from three key parameters: the sand proportion, the channel maximum depth and the sandbodies lateral extension. However, natural reservoirs often consist in several stratigraphic units with their own geological characteristics. The identification of such units within the studied domain is of prime importance before running a conditional simulation, with consistent parameters for each unit. A new method for determining optimal stratigraphic units from well data is proposed. It is based on the Hierarchical Geostatistical Clustering applied to the well global Vertical Proportion Curve (VPC). Stratigraphic units could be detected from synthetic and field data cases, even when the global well VPC was not visually representative.

Sur le marché mondial de la gestion collective, la France occupe la deuxième place en termes du nombre de fonds et du montant d’actifs nets gérés. Malgré le rôle important des OPCVM obligataires dans la diversification des portefeuilles, ils sont néanmoins peu étudiés par rapport aux fonds actions. Notre recherche étudie la performance des fonds obligataires français sur une période de 20 ans, entre 1988 et 2007. Elle s’articule sur quatre chapitres. Le premier présente le panorama du développement des différentes catégories de fonds obligataires et leur couple risque / rentabilité.Le chapitre 2 construit un échantillon de 81 fonds grâces aux données généreusement fournies par la société Morningstar France. Après avoir testé l’homogénéité des distributions de rentabilités des fonds obligataires, on constate que les sous-catégories d’un même horizon de placement ont une distribution statistiquement identique. Ce qui permet de regrouper les fonds en trois catégories selon leur maturité : Long Terme, Moyen Terme et Court Terme. Le chapitre suivant se penche sur la non normalité des distributions de rentabilités (avec le test Jarque-Bera) et la recherche de l’origine de ce phénomène. Il y a absence de l’effet du mois de janvier ; les rentabilités sont non stationnaires et auto-corrélées. Les deux méthodes de correction pour auto-corrélation des rentabilités entrainent une augmentation du risque sans modifier la rentabilité moyenne ; mais ne modifient pas le classement des fonds. Le dernier chapitre est consacré à l’évaluation de la performance des fonds obligataires.Les douze mesures les plus utilisées par les professionnels conduisent à des classements des fonds quasiment identiques et à se demander si le ratio de Sharpe n’est pas finalement la seule mesure à utiliser. Sans aller jusque-là, la méthode de la « classification hiérarchique ascendante » (empruntée à la technique du marketing) permet de réduire à quatre les mesures de performance sans perte d’informations sur le classement des fonds entre eux. Ce chapitre confirme également la présence de la persistance de la performance à l’instar de certaines études anglo-saxonnes sur cette question. / At the world level, the French sector of mutual funds is the second for the number of fundsand the amount of net assets managed. Curiously enough regarding its size, the French bond fundshave been « forgotten » by the researchers and the present thesis seems to be the first one on thissubject. It studies their performances over a 20-year period (from January 1988 to December 2007)with the help of four chapters. The first one is a survey of that sector development and measures thereturn/risk ratio for the different kinds of bond funds. Chapter two presents the 81-funds samplegraciously given by Morningstar France. The analysis of the returns distributions shows that thedifferent funds with and without income distribution with the same maturity have the same statisticaldistribution; it enables to group the funds according to their maturity, namely Long Term, Middle Termand Short Term. Chapter three analyses the non-normality of distributions with the Jarque-Bera testand tries to find the origin of this phenomenon. There is no January effect but returns are nonstationaryand auto-correlated. The two correcting methods for that auto-correlation lead to anincrease of the measured risk without changing the average return and the funds rankings are notmodified. The last chapter deals with the performance measurement of these bond funds. The twelvemeasures most used by professionals give almost the same funds rankings. One can wonder if theSharpe ratio is not the unique relevant measure to use. A technique borrowed from the marketingscience called «cluster analysis» enables to reduce the twelve measures to only four without losinginformation on the funds rankings. This chapter also shows that the performance is persistent, resultalso found by some American researches on this question.

La première partie de ce travail présente un état de l'art des principaux critères non supervisés, non paramétriques, d'évaluation d'une partition, des méthodes d'estimation préliminaires du nombre de classes, et enfin des méthodes de classification supervisées, semi-supervisées et non supervisées. Une analyse des avantages et des inconvénients de ces critères et méthodes est menée. L'analyse des performances des méthodes de classification et des critères d'évaluation a été également conduite via l'application visée dans cette thèse. Une approche de partitionnement non supervisée, non paramétrique et hiérarchique s'avère la plus adaptée au problème posé. En effet, ce type d'approche et plus particulièrement la classification descendante donne un partitionnement à plusieurs niveaux et met en évidence des informations plus détaillées d'un niveau à l'autre, ce qui permet une meilleure interprétation de la richesse d'information apportée par l'imagerie hyperspectrale et ainsi conduire à une meilleure décision. Dans ce sens, la deuxième partie de cette thèse présente, tout d'abord l'approche de classification descendante hiérarchique non supervisée (CDHNS) développée. Cette approche non paramétrique, permet l'obtention de résultats stables et objectifs indépendamment des utilisateurs finaux. Le second développement conduit, porte sur la sélection de bandes spectrales parmi celles qui composent l'image hyperspectrale originale afin de réduire la quantité d'information à traiter avant le processus de classification. Cette méthode est également non supervisée et non paramétrique. L'approche de classification et la méthode de réduction ont été expérimentées et validées sur une image hyperspectrale synthétique construite à partir des images réelles puis sur des images réelles dont l'application porte sur l'identification des différentes classes algales. Les résultats de partitionnement obtenus sans réduction montrent d'une part, la stabilité des résultats et, d'autre part, la discrimination des classes principales (végétation, substrat et eau) dès les premiers niveaux. Les résultats de la sélection des bandes spectrales font apparaître leur bonne répartition sur toute la gamme spectrale du capteur (visible et proche-infrarouge). Les résultats montrent aussi que le partitionnement avec et sans réduction sont globalement similaires. De plus, le temps de calcul est fortement réduit. / The upstream location of the different algal species causing clogging in the EDF nuclear power plants cooling systems along the Channel coastline, by analyzing hyperspectral aerial image is today the most appropriate means. Indeed, hyperspectral imaging allows, through its spatial resolution and its broad spectral range covering the areas of visible and near infrared, the objective discrimination of plant species on the foreshore, necessarily yielding accurate maps on large coastal areas. To provide a solution to this problem and achieve the objectives, the work conducted within the framework of this thesis lies in the development of unsupervised partitioning approaches to data with large spectral and spatial dimensions. The first part of this work presents a state of the art of main unsupervised criteria, and nonparametric, for partitioning evaluation, the preliminary methods for estimating the number of classes, and finally, supervised, semi-supervised and unsupervised classification methods. An analysis of the advantages and drawbacks of these methods and criteria is conducted. The analysis of the performances of these classification methods and evaluation criteria was also conducted through the application targeted in this thesis. An unsupervised, nonparametric, hierarchical partitioning approach appears best suited to the problem. Indeed, this type of approach, and particularly the descending classification, gives a partitioning at several levels and highlights more detailed information from one level to another, allowing a better interpretation of the wealth of information provided by hyperspectral imaging and therefore leading to a better decision. In this sense, the second part of this thesis presents, firstly the unsupervised hierarchical descending classification (UHDC) approach developed. This nonparametric approach allows obtaining stable and objective results regardless of end users. The second development proposed concerns the selection of spectral bands from those that make up the original hyperspectral image, in order to reduce the amount of information to be processed before the classification process. This method is also unsupervised and nonparametric. The classification approach and the reduction method have been tested and validated on a synthetic hyperspectral image constructed from real images, and then on real images, with application to the identification of different algal classes. The partitioning results obtained without reduction show firstly, the stability of the results and, secondly, the discrimination of the main classes (vegetation, substrate and water) from the first levels. The results of the spectral bands selection method show that the retained bands are well distributed over the entire spectral range of the sensor (visible and near-infrared). The results also show that partitioning results with and without reduction are broadly similar. Moreover, the computation time is greatly reduced.

La modélisation de la langue naturelle est l¿un des défis fondamentaux de l¿intelligence artificielle et de la conception de systèmes interactifs, avec applications dans les systèmes de dialogue, la génération de texte et la traduction automatique. Nous proposons un modèle log-linéaire discriminatif donnant la distribution des mots qui suivent un contexte donné. En raison de la parcimonie des données, nous proposons un terme de pénalité qui code correctement la structure de l¿espace fonctionnel pour éviter le sur-apprentissage et d¿améliorer la généralisation, tout en capturant de manière appropriée les dépendances à long terme. Le résultat est un modèle efficace qui capte suffisamment les dépendances longues sans occasionner une forte augmentation des ressources en espace ou en temps. Dans un modèle log-linéaire, les phases d¿apprentissage et de tests deviennent de plus en plus chères avec un nombre croissant de classes. Le nombre de classes dans un modèle de langue est la taille du vocabulaire, qui est généralement très importante. Une astuce courante consiste à appliquer le modèle en deux étapes: la première étape identifie le cluster le plus probable et la seconde prend le mot le plus probable du cluster choisi. Cette idée peut être généralisée à une hiérarchie de plus grande profondeur avec plusieurs niveaux de regroupement. Cependant, la performance du système de classification hiérarchique qui en résulte dépend du domaine d¿application et de la construction d¿une bonne hiérarchie. Nous étudions différentes stratégies pour construire la hiérarchie des catégories de leurs observations. / Modeling natural language is among fundamental challenges of artificial intelligence and the design of interactive machines, with applications spanning across various domains, such as dialogue systems, text generation and machine translation. We propose a discriminatively trained log-linear model to learn the distribution of words following a given context. Due to data sparsity, it is necessary to appropriately regularize the model using a penalty term. We design a penalty term that properly encodes the structure of the feature space to avoid overfitting and improve generalization while appropriately capturing long range dependencies. Some nice properties of specific structured penalties can be used to reduce the number of parameters required to encode the model. The outcome is an efficient model that suitably captures long dependencies in language without a significant increase in time or space requirements. In a log-linear model, both training and testing become increasingly expensive with growing number of classes. The number of classes in a language model is the size of the vocabulary which is typically very large. A common trick is to cluster classes and apply the model in two-steps; the first step picks the most probable cluster and the second picks the most probable word from the chosen cluster. This idea can be generalized to a hierarchy of larger depth with multiple levels of clustering. However, the performance of the resulting hierarchical classifier depends on the suitability of the clustering to the problem. We study different strategies to build the hierarchy of categories from their observations.

Cette thèse porte sur l'extraction de descripteurs hiérarchiques et multi-échelles d'images, en vue de leur interprétation, caractérisation et segmentation. Elle se décompose en deux parties.La première partie expose des éléments théoriques et méthodologiques sur l'obtention de classifications hiérarchiques des nœuds d'un graphe valué aux arêtes. Ces méthodes sont ensuite appliquées à des graphes représentant des images pour obtenir différentes méthodes de segmentation hiérarchique d'images. De plus, nous introduisons différentes façons de combiner des segmentations hiérarchiques. Nous proposons enfin une méthodologie pour structurer et étudier l'espace des hiérarchies que nous avons construites en utilisant la distance de Gromov-Hausdorff entre elles.La seconde partie explore plusieurs applications de ces descriptions hiérarchiques d'images. Nous exposons une méthode pour apprendre à extraire de ces hiérarchies une bonne segmentation de façon automatique, étant donnés un type d'images et un score de bonne segmentation. Nous proposons également des descripteurs d'images obtenus par mesure des distances inter-hiérarchies, et exposons leur efficacité sur des données réelles et simulées. Enfin, nous étendons les potentielles applications de ces hiérarchies en introduisant une technique permettant de prendre en compte toute information spatiale a priori durant leur construction. / This thesis deals with the extraction of hierarchical and multiscale descriptors on images, in order to interpret, characterize and segment them. It breaks down into two parts.The first part outlines a theoretical and methodological approach for obtaining hierarchical clusterings of the nodes of an edge-weighted graph. In addition, we introduce different approaches to combine hierarchical segmentations. These methods are then applied to graphs representing images and derive different hierarchical segmentation techniques. Finally, we propose a methodology for structuring and studying the space of hierarchies by using the Gromov-Hausdorff distance as a metric.The second part explores several applications of these hierarchical descriptions for images. We expose a method to learn how to automatically extract a segmentation of an image, given a type of images and a score of evaluation for a segmentation. We also propose image descriptors obtained by measuring inter-hierarchical distances, and expose their efficiency on real and simulated data. Finally, we extend the potential applications of these hierarchies by introducing a technique to take into account any spatial prior information during their construction.

Ce mémoire présente un ensemble de recherches centrées sur la problématique de la conception d'un système de raisonnement à partir de cas (RàPC), recherches privilégiant les étapes de remémoration d'un cas source similaire au problème cible et d'adaptation de ce cas pour résoudre ce problème. Dans un premier temps, une approche de la remémoration fondée sur une organisation hiérarchique des cas est décrite. Elle comporte trois procédures, les classifications dure, floue et élastique, et est correcte au sens où tout cas remémoré peut être adapté pour résoudre le problème cible. Cette approche, pour être opérationnelle, s'appuie sur des connaissances pour l'adaptation. Ces connaissances sont étudiées sous trois angles : les approches générales de l'adaptation, l'acquisition de ces connaissances et les << catalogues d'adaptation >> réutilisables d'une application du RàPC à une autre. Enfin, un système de RàPC étant un système à base de connaissances, sont décrits des travaux pour la gestion de ces connaissances, en particulier pour leur représentation. Ces travaux sont issus pour une grande partie de deux projets : TICCO dans le domaine de la planification de synthèse en chimie organique et Kasimir dans le domaine de l'aide à la décision en cancérologie.

Il est prévu que la génération distribuée par l’entremise d’énergie de sources renouvelables (DG) continuera à jouer un rôle clé dans le développement et l’exploitation des systèmes de puissance électrique durables, efficaces et fiables, en vertu de cette fournit une alternative pratique de décentralisation et diversification de la demande globale d’énergie, bénéficiant de sources d’énergie plus propres et plus sûrs. L’intégration de DG renouvelable dans les réseaux électriques existants pose des défis socio–technico–économiques, qu’ont attirés de la recherche et de progrès substantiels.Dans ce contexte, la présente thèse a pour objet la conception et le développement d’un cadre de modélisation, simulation et optimisation pour l’intégration de DG renouvelable dans des réseaux de puissance électrique existants. Le problème spécifique à considérer est celui de la sélection de la technologie,la taille et l’emplacement de des unités de génération renouvelable d’énergie, sous des contraintes techniques, opérationnelles et économiques. Dans ce problème, les questions de recherche clés à aborder sont: (i) la représentation et le traitement des variables physiques incertains (comme la disponibilité de les diverses sources primaires d’énergie renouvelables, l’approvisionnement d’électricité en vrac, la demande de puissance et l’apparition de défaillances de composants) qui déterminent dynamiquement l’exploitation du réseau DG–intégré, (ii) la propagation de ces incertitudes sur la réponse opérationnelle du système et le suivi du risque associé et (iii) les efforts de calcul intensif résultant du problème complexe d’optimisation combinatoire associé à l’intégration de DG renouvelable.Pour l’évaluation du système avec un plan d’intégration de DG renouvelable donné, un modèle de calcul de simulation Monte Carlo non–séquentielle et des flux de puissance optimale (MCS–OPF) a été conçu et mis en oeuvre, et qui émule l’exploitation du réseau DG–intégré. Réalisations aléatoires de scénarios opérationnels sont générés par échantillonnage à partir des différentes distributions des variables incertaines, et pour chaque scénario, la performance du système est évaluée en termes économiques et de la fiabilité de l’approvisionnement en électricité, représenté par le coût global (CG) et l’énergie non fournie (ENS), respectivement. Pour mesurer et contrôler le risque par rapport à la performance du système, deux indicateurs sont introduits, la valeur–à–risque conditionnelle(CVaR) et l’écart du CVaR (DCVaR).Pour la sélection optimale de la technologie, la taille et l’emplacement des unités DG renouvelables,deux approches distinctes d’optimisation multi–objectif (MOO) ont été mis en oeuvre par moteurs de recherche d’heuristique d’optimisation (HO). La première approche est basée sur l’algorithme génétique élitiste de tri non-dominé (NSGA–II) et vise à la réduction concomitante de l’espérance mathématique de CG et de ENS, dénotés ECG et EENS, respectivement, combiné avec leur valeurs correspondent de CVaR(CG) et CVaR(ENS); la seconde approche effectue un recherche à évolution différentielle MOO (DE) pour minimiser simultanément ECG et s’écart associé DCVaR(CG). Les deux approches d’optimisation intègrent la modèle de calcul MCS–OPF pour évaluer la performance de chaque réseau DG–intégré proposé par le moteur de recherche HO.Le défi provenant de les grands efforts de calcul requises par les cadres de simulation et d’optimisation proposée a été abordée par l’introduction d’une technique originale, qui niche l’analyse de classification hiérarchique (HCA) dans un moteur de recherche de DE.Exemples d’application des cadres proposés ont été élaborés, concernant une adaptation duréseau test de distribution électrique IEEE 13–noeuds et un cadre réaliste du système test de sous–transmission et de distribution IEEE 30–noeuds. [...] / Renewable distributed generation (DG) is expected to continue playing a fundamental role in the development and operation of sustainable, efficient and reliable electric power systems, by virtue of offering a practical alternative to diversify and decentralize the overall power generation, benefiting from cleaner and safer energy sources. The integration of renewable DG in the existing electric powernetworks poses socio–techno–economical challenges, which have attracted substantial research and advancement.In this context, the focus of the present thesis is the design and development of a modeling,simulation and optimization framework for the integration of renewable DG into electric powernetworks. The specific problem considered is that of selecting the technology, size and location of renewable generation units, under technical, operational and economic constraints. Within this problem, key research questions to be addressed are: (i) the representation and treatment of the uncertain physical variables (like the availability of diverse primary renewable energy sources, bulk–power supply, power demands and occurrence of components failures) that dynamically determine the DG–integrated network operation, (ii) the propagation of these uncertainties onto the system operational response and the control of the associated risk and (iii) the intensive computational efforts resulting from the complex combinatorial optimization problem of renewable DG integration.For the evaluation of the system with a given plan of renewable DG, a non–sequential MonteCarlo simulation and optimal power flow (MCS–OPF) computational model has been designed and implemented, that emulates the DG–integrated network operation. Random realizations of operational scenarios are generated by sampling from the different uncertain variables distributions,and for each scenario the system performance is evaluated in terms of economics and reliability of power supply, represented by the global cost (CG) and the energy not supplied (ENS), respectively.To measure and control the risk relative to system performance, two indicators are introduced, the conditional value–at–risk (CVaR) and the CVaR deviation (DCVaR).For the optimal technology selection, size and location of the renewable DG units, two distinct multi–objective optimization (MOO) approaches have been implemented by heuristic optimization(HO) search engines. The first approach is based on the fast non–dominated sorting genetic algorithm(NSGA–II) and aims at the concurrent minimization of the expected values of CG and ENS, thenECG and EENS, respectively, combined with their corresponding CVaR(CG) and CVaR(ENS) values; the second approach carries out a MOO differential evolution (DE) search to minimize simultaneously ECG and its associated deviation DCVaR(CG). Both optimization approaches embed the MCS–OPF computational model to evaluate the performance of each DG–integrated network proposed by the HO search engine. The challenge coming from the large computational efforts required by the proposed simulation and optimization frameworks has been addressed introducing an original technique, which nests hierarchical clustering analysis (HCA) within a DE search engine. Examples of application of the proposed frameworks have been worked out, regarding an adaptation of the IEEE 13 bus distribution test feeder and a realistic setting of the IEEE 30 bussub–transmission and distribution test system. The results show that these frameworks are effectivein finding optimal DG–integrated networks solutions, while controlling risk from two distinctperspectives: directly through the use of CVaR and indirectly by targeting uncertainty in the form ofDCVaR. Moreover, CVaR acts as an enabler of trade–offs between optimal expected performanceand risk, and DCVaR integrates also uncertainty into the analysis, providing a wider spectrum ofinformation for well–supported and confident decision making.

L’imagerie de l’activité neuronale (AN) permet d’étudier le fonctionnement normal et pathologique du cerveau humain, en plus d’aider au diagnostic et à la planification d’interventions neurochirurgicales. L’électroencéphalographie (EEG) et l’imagerie par résonance magnétique fonctionnelle (IRMf) comptent parmi les modalités d’imagerie fonctionnelle les plus utilisées en recherche et en clinique. Plusieurs éléments de la structure cérébrale peuvent toutefois influencer les signaux mesurés, de sorte qu’ils ne reflètent pas uniquement l’AN. Il importe donc d’en tenir compte pour bien interpréter les résultats, surtout lorsqu’on compare des sujets à l’anatomie cérébrale très différente. En outre, la maturation, le vieillissement et certaines pathologies s’accompagnent de changements structurels du cerveau. Ceci complique l’analyse de données longitudinales et la comparaison d’un groupe cible avec un groupe contrôle. Or, notre compréhension des interactions structure-signal demeure incomplète et très peu d’études en tiennent compte. Mon projet de doctorat a consisté à étudier les impacts de la structure cérébrale sur les signaux d’EEG et d’IRMf ainsi qu’à explorer des pistes de solution pour s’en affranchir. J’ai d’abord étudié l’effet de l’amincissement cortical dû au vieillissement sur la désynchronisation liée à l’événement (« event-related desynchronization » - ERD) en EEG. Les résultats ont mis en lumière une relation linéaire négative entre l’ERD et l’épaisseur corticale, ce qui a permis de corriger les signaux par régression. J’ai ensuite étudié l’impact de la présence de veines sur la réponse BOLD (blood-oxygen-level dependent) mesurée en IRMf suite à une stimulation visuelle. Ces travaux ont démontré que la densité veineuse locale, qui varie fortement d’une région et d’un sujet à l’autre, corrèle positivement avec l’amplitude et le délai de la réponse BOLD. Finalement, j’ai adapté une technique de classification de données visant à améliorer la détection des régions du cortex activées en IRMf. Cette méthode permet d’éviter plusieurs problèmes de l’analyse classique en IRMf, de réduire l’impact de la structure cérébrale sur les résultats obtenus et d’établir des cartes d’activité cérébrale contenant plus d’information. Globalement, ces travaux contribuent à l’amélioration de notre compréhension des interactions structure-signal en EEG et en IRMf, ainsi qu’au développement de méthodes d’analyse réduisant leur impact sur l’interprétation des données en termes d’AN. / Abstract : Imaging neural activity allows studying normal and pathological function of the human brain, while also being a useful tool for diagnosis and neurosurgery planning. Electroencephalography (EEG) and functional magnetic resonance imaging (fMRI) are some of the most commonly used functional imaging modalities, both in research and clinic. Many aspects of cerebral structure can however influence the measured signals, so that they do not only reflect neural activity. Taking them into account is therefore of import to correctly interpret results, especially when comparing subjects displaying large differences in brain anatomy. In addition, maturation, aging as well as some pathologies are associated with changes in brain structure. This acts as a confounding factor when analysing longitudinal data or comparing target and control groups. Yet, our understanding of structure-signal relationships remains incomplete and very few studies take them into account. My Ph.D. project consisted in studying the impacts of cerebral structure on EEG and fMRI signals as well as exploring potential solutions to mitigate them. In that regard, I first studied the effect of age-related cortical thinning on event-related desynchronization (ERD) in EEG. Results allowed identifying a negative linear relationship between ERD and cortical thickness, enabling signal correction using regression. I then investigated how the presence of veins in a region impacts the blood-oxygen-level dependent (BOLD) response measured in fMRI following visual stimulation. This work showed that local venous density, which strongly varies across regions and subjects, correlates positively with the BOLD response amplitude and delay. Finally, I adapted a data clustering technique to improve the detection of activated cortical regions in fMRI. This method allows eschewing many problematic assumptions used in classical fMRI analyses, reducing the impacts of cerebral structure on results and establishing richer brain activity maps. Globally, this work contributes to further our understanding of structure-signal interactions in EEG and fMRI as well as to develop analysis methods that reduce their impact on data interpretation in terms of neural activity.

L’objet de cette thèse est d’analyser les déterminants de l’engagement sociétal des entreprises labellisées RSE, dans un contexte de pays émergent, en l’occurrence le Maroc. Sachant que la démarche de RSE ne connaît pas le même succès dans le monde pour plusieurs raisons liées aux spécificités économiques, culturelles et sociales de chaque pays, ce travail de recherche propose d’analyser empiriquement les bénéfices et freins perçus par les entreprises labellisées RSE de la Confédération Générale des Entreprises Marocaines (CGEM). En effet, face à un contexte marqué par des mutations profondes du nouvel environnement économique international, à savoir, la mondialisation économique et la globalisation financière et les modifications réglementaires et technologiques importantes, il est devenu nécessaire pour l’entreprise de s’inscrire dans des orientations stratégiques portant sur les perspectives du développement durable, et mettant en lumière l’engagement sociétal dans les pratiques managériales dont l’objectif principal est d’assurer sa pérennité. C’est ainsi qu’elle peut concilier préservation de l’environnement et équité sociale d’un coté et les impératifs financiers et économiques de l’autre. En se basant sur des thématiques relatives aux variables démographiques, degré de connaissance et posture managériale, actions menées et outils mobilisés, freins et réticences, et motivations et avantages en matière de RSE, nous mettons l’accent sur les bénéfices et inconvénients de cette démarche.Pour cela, deux parties ont été consacrées pour élucider les différentes questions posées. Après avoir présenté un panorama des approches théoriques et conceptuelles de l’engagement sociétal des entreprises dans la première partie, la deuxième sera consacrée au positionnement épistémologique et méthodologique, et à l’analyse des résultats de l’étude empirique. Les dits résultats permettent de répondre à notre interrogation : Quels sont les déterminants de l’engagement sociétal des entreprises marocaines labellisées RSE? / The Subject of this thesis is to analyze the determiners of the community involvement of a company (RSE) in an emerging country such as Morocco. The purpose of the present research is to analyze this relation empirically. In fact, the new international economic environment characterized by deep changes, particularly, economic and financial globalization as well as the important regulatory and technological modifications that are taking place nowadays tend to give the priority to other strategic orientations relating to the prospects of sustainable development, and clarifying the societal commitment in managerial practices. The main goal of any company is to ensure its sustainability to the benefit of its customers, its shareholders and its collaborators. A company can become a committed social actor and not simply content itself with being an economic agent generating wealth. It can also get involved and adhere to better positioning itself with regard to the sustainable development which requires the production and sale within the best economic conditions while keeping a good image, namely, its ethical behavior, and by guaranteeing that its products are socially humanly and ecologically correct. Thus it can reconcile the safeguarding of the environment, social equity and the financial and economic requirements. Therefore, two parts were devoted to elucidating the various questions raised in this respect: The first part presents a review of the theoretical and conceptual approaches of the social responsibility of a company and its overall Performance and the potential links between these two components. The second part is devoted to the epistemological and methodological positioning, to the presentation of the model and the research hypotheses, as well as the analysis of the results of the empirical study. The results make it possible to answer our question: What are the determiners of the community involvement of the certified Moroccan companies RSE?

Durant les dernières décennies, l'IRM fonctionnelle a permis de cartographier les différentes fonctions cérébrales et, plus récemment, d'identifier les réseaux fonctionnels qui décrivent les interactions qui peuvent s'établir entre régions cérébrales, proches ou distantes, lors de l'exécution d'une tâche cognitive. Pour identifier ces réseaux, une stratégie récente repose sur une parcellisation préliminaire du cerveau en régions fonctionnellement homogènes, puis sur l'identification des réseaux fonctionnels significatifs depuis une mesure des interactions entre l'ensemble des régions. Ainsi, la première partie de cette thèse propose une nouvelle méthode de parcellisation du cerveau en régions fonctionnellement homogènes. La méthode proposée est exploratoire et multi-niveaux : elle fournit plusieurs niveaux de parcellisation, et nous avons montré que les régions définies par notre méthode se superposent de manière satisfaisante aux structures anatomiques du cortex. Dans la deuxième partie de la thèse, nous avons proposé une méthode originale d'identification des réseaux fonctionnels. L'approche développée permet la significativité des réseaux étant donné leur taille et le seuil utilisé pour leur détection. Une telle approche permet de détecter des réseaux de faible taille qui impliquent des liens très significatifs, et également des réseaux plus grands impliquant des liens moins significatifs. Enfin, nous avons développé une approche permettant de classer les réseaux obtenus, de manière à réaliser une étude de groupe. L'information disponible sur l'ensemble des sujets permet alors de définir des classes qui synthétisent les caractéristiques des réseaux les plus partagés au sein d'une population de sujets.