In diesem Beitrag diskutieren wir die Szenariotechnik als partizipatives Instrument zum Umgang mit komplexen, nichtlinearen Systemen. Exemplarisch berichten wir über ein transdisziplinär angelegtes Projekt zur Transformation der Landwirtschaft. Anhand dessen skizzieren wir folgend den Nutzen der Szenariotechnik als auch die Notwendigkeit eines integrativen und inklusiven Vorgehens, um der Komplexität und der damit verbundenen Unsicherheit zur Modellierung zukünftiger Systeme zu begegnen. Das damit eng verbundene Verständnis von nachhaltiger Entwicklung als Zielformulierung verstehen wir als stetigen Aushandlungsprozess und veränderliches Ziel. In diesem Kontext legen wir das Entwerfen multipler Zukünfte als größten Vorteil der Szenariomethode dar. Ebenso argumentieren wir, dass die Szenariotechnik den Ansprüchen an einen nachhaltigkeitsfokussierten Modellierungsansatz gerecht wird und beleuchten sowohl Potenziale als auch Herausforderungen. Der Fokus liegt dabei auf dem Potenzial, mit Hilfe der Szenariotechnik das Wissen unterschiedlicher Akteure aus Wissenschaft und Praxis zu verbinden und zu kommunizieren. Die hier vorgestellte Szeanriotechnik adressiert dabei Systemwissen, Zielwissen und Transformationswissen mit dem Ziel, dieses als partizipativ generierte Erzählung zusammenzuführen.

Das Ziel dieser Arbeit ist die systematische Untersuchung der Auswirkungen von Änderungen in der Niederschlagshäufigkeit und -menge im Amazonas sowie eine Prognose der zukünftigen Entwicklung des Regenwaldes unter den sich ändernden Bedingungen im Rahmen des Klimawandels. Die in dieser Arbeit durchgeführten Untersuchungen der Niederschlagskorrelationsmuster des südamerikanischen Monsuns basieren auf der Theorie komplexer Netzwerke und offenbaren beispielsweise den Übergang von einem geordneten zu einem ungeordneten System zu Beginn des Monsuns. Die Erweiterung der verwendeten Methoden hin zu mehrschichtigen Netzwerken wird anschließend zur Untersuchung der Ursache von Dürren im zentralen Amazonasgebiet verwendet. Ein bivariates Netzwerk aus Niederschlagsdaten und atlantischen Meeresoberflächentemperaturen zeigt, dass bestimmte Meeresregionen im tropischen Atlantik den Niederschlag im zentralen Amazonas stark beeinflussen. Die Ergebnisse dieser Arbeit zeigen, dass einer Dürre in der Regel die Entstehung eines klimatischen Dipols der Meeresoberflächentemperaturen zwischen den identifizierten Ozeanregionen vorausgeht. Aufbauend auf diesen Ergebnissen wird in dieser Arbeit erstmalig ein Frühwarnsystem für Dürren im Amazonas vorgestellt. Der Untersuchung des Einflusses von Niederschlagsvariabilität auf die Vegetation wird eine Potentiallandschaft aus Niederschlags- und Baumbedeckungsdaten im Amazonas zugrunde gelegt. Die vorliegende Studie zeigt, dass eine direkte Abhängigkeit zwischen der lokalen, langfristigen Niederschlagsvariabilität und der Resilienz des Waldes besteht. Dies bedeutet, dass stärkere jährliche Niederschlagsvariabilität zu einem Trainingseffekt der tropischen Vegetation führen kann. Bedenkt man außerdem, dass es in Zukunft im zentralen Amazonas mehr Dürren geben soll, kann es entscheidend sein, ob die Vegetation einer Region zuvor Erfahrung mit starker Niederschlagsvariabilität gemacht hat und dementsprechend angepasst ist. Um nicht nur lokale, sondern auch globale Einflüsse zu berücksichtigen, wird zum einen der Effekt einer sich verlangsamenden thermohalinen Zirkulation durch Klimaerwärmung und zum anderen der direkte Einfluss der Klimaerwärmung auf denn zentralen Amazonas Regenwald untersucht. Die Studie zeigt, dass beide Ereignisse gegensätzliche und somit sich ausgleichende Einflüsse auf die Vegetation im Amazonasgebiet haben können. Der Regenwald könnte somit stabil in Bezug auf den Klimawandel sein. Die vorliegende Dissertation Arbeit leistet auf der Basis von neu entwickelten Methoden einen wesentlichen Beitrag, um die Kenntnisse der betrachteten klimatischen und ökologischen Systeme zu vertiefen. / This thesis investigates the impact of changes in frequency and amount of precipitation in the Amazon rainforest and analyzes its development under the changing conditions due to global warming. In this context, complex network theory is utilized to investigate the South American monsoon system. The precipitation correlation structure reveals hidden features of the system, such as the transition from a disordered to an ordered monsoon system. Further developing existing network methods towards multilayer network tools allows for the investigation of the root causes for droughts in the central Amazon basin. By using a bivariate network between monthly precipitation in the central Amazon and Atlantic sea surface temperatures, distinct oceanic regions are identified to have a strong influence on central Amazonian precipitation. The formation of a climatological dipole between the northern and southern tropical Atlantic sea surface temperatures is found to precede droughts. As a result, this study is the first to give an early warning for droughts in the Amazon. To investigate the influence of rainfall variability on vegetation, a potential landscape is constructed from precipitation and Amazonian tree cover data. The resilience of the forest is found to directly depend on the local rainfall variability in the long-term past, thereby reflecting a vegetational training effect under specific environmental conditions. Considering climate change projections, this effect could be decisive for the future survival of the present rainforest vegetation state. In order to cover long-term influences of global warming, this thesis additionally investigates the effects of a slowing down of the Atlantic meridional overturning circulation and the direct influence of global warming on the southern Amazon rainforest.. It is revealed that these effects, although caused by global warming, have competitive impacts on precipitation in the Amazon basin, with a stabilizing effect of an Atlantic meridional overturning circulation slowdown on the Amazon rainforest. This dissertation provides newly developed, as well as adjusted methods to enhance our understanding of the considered climatological and vegetational systems. Together, they provide the basic tools for a further investigation of these complex systems.

Natural language is a remarkable example of a complex dynamical system which combines variation and universal structure emerging from the interaction of millions of individuals. Understanding statistical properties of texts is not only crucial in applications of information retrieval and natural language processing, e.g. search engines, but also allow deeper insights into the organization of knowledge in the form of written text. In this thesis, we investigate the statistical and dynamical processes underlying the co-existence of universality and variability in word statistics. We combine a careful statistical analysis of large empirical databases on language usage with analytical and numerical studies of stochastic models. We find that the fat-tailed distribution of word frequencies is best described by a generalized Zipf’s law characterized by two scaling regimes, in which the values of the parameters are extremely robust with respect to time as well as the type and the size of the database under consideration depending only on the particular language. We provide an interpretation of the two regimes in terms of a distinction of words into a finite core vocabulary and a (virtually) infinite noncore vocabulary. Proposing a simple generative process of language usage, we can establish the connection to the problem of the vocabulary growth, i.e. how the number of different words scale with the database size, from which we obtain a unified perspective on different universal scaling laws simultaneously appearing in the statistics of natural language. On the one hand, our stochastic model accurately predicts the expected number of different items as measured in empirical data spanning hundreds of years and 9 orders of magnitude in size showing that the supposed vocabulary growth over time is mainly driven by database size and not by a change in vocabulary richness. On the other hand, analysis of the variation around the expected size of the vocabulary shows anomalous fluctuation scaling, i.e. the vocabulary is a nonself-averaging quantity, and therefore, fluctuations are much larger than expected. We derive how this results from topical variations in a collection of texts coming from different authors, disciplines, or times manifest in the form of correlations of frequencies of different words due to their semantic relation. We explore the consequences of topical variation in applications to language change and topic models emphasizing the difficulties (and presenting possible solutions) due to the fact that the statistics of word frequencies are characterized by a fat-tailed distribution. First, we propose an information-theoretic measure based on the Shannon-Gibbs entropy and suitable generalizations quantifying the similarity between different texts which allows us to determine how fast the vocabulary of a language changes over time. Second, we combine topic models from machine learning with concepts from community detection in complex networks in order to infer large-scale (mesoscopic) structures in a collection of texts. Finally, we study language change of individual words on historical time scales, i.e. how a linguistic innovation spreads through a community of speakers, providing a framework to quantitatively combine microscopic models of language change with empirical data that is only available on a macroscopic level (i.e. averaged over the population of speakers).

L’augmentation de la puissance informatique disponible permet aux ingénieurs et designers d’aborder par simulation des problèmes de plus en plus complexes (multi-physiques, multi-échelles, géométries intriquées ...). Dans ce contexte, les quadratures à base de discrétisation (FDM, FEM, FVM) montrent leur limite : le besoin d’un grand nombre de sous-domaines qui implique des coûts RAM et CPU prohibitifs. La méthode de Monte-Carlo apparaît plus appropriée, mais son utilisation est verrouillée par la difficulté de générer des modèles probabilistes de systèmes complexes. Pour surpasser ceci, une approche systémique est proposée et implémentée pour créer une preuve de concept appliquée à la simulation des transferts thermiques couplés. Après une étape de validation vis-à-vis de solutions analytiques, l’outil est employé; sur des cas d’illustration (transferts thermiques au sein de bâtiments et dans une centrale solaire) pour étudier ses capacités. L’approche mise en œuvre présente un comportement particulièrement avantageux pour la simulation de systèmes complexes : son temps de calcul ne dépend que des parties influentes du problème. De plus, elles sont automatiquement identifiées, même en présence de géométries étendues ou intriquées, ce qui rend les simulations auto-adaptatives. Par ailleurs, ses performances de calcul ne sont pas corrélées avec le rapport d’échelle caractérisant le système simulé. Ceci en fait une approche douée d’une remarquable capacité à traiter les problèmes à la fois multi-physiques et multi-échelles. En parallèle de l’estimation d’une observable par des chemins d’exploration, l’outil analyse également ces derniers de manière statistique. Ceci lui permet de générer un modèle prédictif réduit de l’observable, procurant ainsi une capacité d’auto-apprentissage à la simulation. Son utilisation peut améliorer les processus d’optimisation et de contrôle-commande, ou simplifier les mesures par méthodes inverses. De plus, elle a aussi permis de mener une analyse par propagation d’incertitudes, affectant les conditions aux frontières, vers l’observable. Enfin, une démonstration d’optimisation, utilisant des modèles réduits générés, a été réalisée. / As computing power increases, engineers and designers tackle increasingly complex problems using simulation (multiphysics, multiscale, intricated geometries ...). In this context, discretization-based quadratures (FDM, FEM, FVM) show their limit: the need of a great number of sub-domains which induces prohibitive consumption of RAM and CPU power. The Monte Carlo method appears to be more appropriate, but the difficulty to build probabilistic models of complex systems forms a bottleneck. A systemic approach is proposed to alleviate it and is implemented to create a proof-of-concept dedicated to the coupled heat transfer simulation. After a successful validation step against analytical solutions, this tool is applied to illustrative cases (emulating heat transfer in buildings and in solar heating systems) in order to study its simulation capabilities.This approach presents a major beneficial behavior for complex systems simulation: the computation time only depends on the influential parts of the problem. These parts are automatically identified, even in intricate or extensive geometries, which makes the simulation self-adaptive. In addition, the computational performance and the system scale ratio are completely uncorrelated. Consequently, this approach shows an exceptional capacity to tackle multiphysics and multiscale problems. Each temperature is estimated using exploration paths. By statistically analyzing these paths during the process, the tool is able to generate a reduced predictive model of this physical quantity, which is bringing a self-learning capacity to the simulation. Its use can significantly improve optimization and control of processes, or simplify inverse measurements. Furthermore, based on this model, an uncertainty propagation analysis has been performed. It quantifies the effect of uncertainties affecting boundary conditions on the temperature. Finally a Particle Swarm Optimization (PSO) process, based on simulations done by the framework, is successfully carried out.

I designed an explanatory sequential mixed-method study to explore the relationship between leadership practices, collective teacher efficacy (CTE), and educational outcomes of low SES students in an open school system. Four data sources were analyzed: K-5 student Developmental Reading Assessment (DRA) results of 1,170 students, Collective Teacher Belief Scale (CTBS) survey to measure CTE perceptions of 48 teachers, focus group interviews composed of a stratified sample of 11 K-5 teachers, and two one-on-one principal interviews. The study took place in two elementary schools in north Texas during the 2020-2021 school year. A Spearman's rank-order correlation analysis indicated that the relationship between CTBS scores and student reading scores was mixed. While one school showed a positive association between CTE and the reading data of low SES students, the other school showed a weak correlation between the variables. The quantitative data indicated that CTBS scores did not independently explain reading achievements at both campuses. The data also showed that while teachers had a large effect size on the reading performance of low SES students, as measured through a Cohen's d for paired sample t-test, achievement gaps continued to widen. Two themes emerged through a grounded theory approach when principals described their sensemaking and framing process: many variables and teamwork. In a complex open system, school principals must consider the many needs of teachers and students before enacting reform efforts. To achieve ambitious goals, school principals promote teamwork and help develop supportive structures to assist teachers and students. Furthermore, the theme of support emerged when teachers described their CTE perceptions concerning their principal's leadership actions. The overall data suggest that leadership practices directly impact CTE levels and indirectly impact student performance. When teachers felt supported, CTE levels increased, but when teachers felt overwhelmed or failed to see how school and district mandates support teaching and learning efforts, CTE levels dropped.

En term som används för att beskriva samband mellan sammansatta, integrerande nätverk är komplexa system. I dagens samhälle är det nödvändigt att kunna navigera  i dessa så kallade komplexa system för att förstå sin omvärld och i denna kunna fatta beslut eller analysera problem. Komplexa system ingår i skolans biologiundervisning och har setts vara ett problematiskt område för eleverna. Syftet med arbetet är att bidra med mer kunskap om hur lärare beskriver sin undervisning om komplexa system. Det är därmed lärares erfarenhet utav sin undervisning samt deras uppfattning av huruvida eleverna influeras av den som blir utgångspunkten för studien. Studien  undersöker lärarnas uppfattning utav dessa system i anknytning till biologins ekologiområde genom intervjuer och en fenomenologisk ansats. Resultatet presenterar en beskrivning utav lärares upplevelse av deras undervisning och vilka möjligheter och svårigheter som uppkommer i inlärningen av ekologins komplexa system. Lärarna vittnar om ett teoritungt område med stor mängd begrepp, men ser möjligheter till ett gott resultat hos elever i att använda upplevelser samt variera arbetssätt i nära anknytning till naturen. Slutsatsen av studien kunde se ett samband mellan den didaktiska forskningen och lärares erfarenheter. / A term used to describe connections between composite, integrative networks is complex systems. In today's society it’s necessary to be able to navigate these so- called complex systems in order to understand our surroundings and thus be able to make decisions or analyse problems. Complex systems are part of the school's biology subject and have been seen as a problematic area for students. The purpose of this research is to contribute with more knowledge about how teachers describe their teaching about complex systems. It is thus the teachers' experience of their teaching and their perception of whether the students are influenced by it that becomes the starting point for the study. The study examines teachers' perceptions of these systems within the field of ecology as part of biology education through interviews with a phenomenological approach. The result shows a description of teachers' experience of their teaching and what opportunities and difficulties arise in learning the complex systems of ecology. In this study the teachers experience the area of ecology to have many theories and concepts to learn. But see opportunities for good student results by using experiences and varying working methods in close connection with nature. The study concludes by making connections between the science education research and the teachers' experiences as depicted in this study.

Certainly one of the most powerful and important modeling languages of our time is the Calculus. But research consistently shows that students do not understand how the variables in calculus-based mathematical models relate to aspects of the systems that those models are supposed to represent. Because of this, students never access the true power of calculus: its suitability to model a wide variety of real-world systems across domains. In this paper, we describe the motivation and theoretical foundations for the DeltaTick and HotLink Replay applications, an effort to address these difficulties by a) enabling students to model a wide variety of systems in the world that change over time by defining the behaviors of that system, and b) making explicit how a system\''s behavior relates to the mathematical trends that behavior creates. These applications employ the visualization and codification of behavior rules within the NetLogo agent-based modeling environment (Wilensky, 1999), rather than mathematical symbols, as their primary building blocks. As such, they provide an alternative to traditional mathematical techniques for exploring and solving advanced modeling problems, as well as exploring the major underlying concepts of calculus.

Dans ce travail, nous présentons une approche de couplage de modèles orientée agent pour la modélisation des systèmes complexes spatiaux. L’idée principale est d’utiliser l’espace comme medium d’interaction entre les modèles à coupler pour leur permettre de coexister et d’interagir conformément à un ensemble de règles qui régissent ces interactions. En jouant le rôle de facteur de couplage, l’espace permet aux agents chargés du couplage d’échanger des données et nous permet d’observer les résultats concrets du couplage des différents modèles constituant le système complexe spatial étudié. Cette approche est composée d’une méthodologie et d’un métamodèle de couplage orienté-agent. Notre métamodèle est basé sur une architecture organisationnelle (AGRE) et de type holonique qui prend en considération la spécificité, l’autonomie et l’échelle de calcul de chaque modèle. Cette notion de holon nous permet de gérer l’hétérogénéité des formalismes et des échelles spatio-temporelles des modèles. En effet, l’hétérogénéité spatiale est gérée par la décomposition des agents de collecte et de spatialisation jusqu’à atteindre le niveau d’abstraction souhaité. Ces agents peuvent passer d’un niveau à l’autre en adaptant l’échelle spatiale de l’espace à l’échelle spatiale du modèle grâce à des fonctions de conversion. L’hétérogénéité temporelle est gérée par un agent de temps qui permettra de calculer la future date d’exécution du modèle et un agent scheduler qui se chargera de l’ordonnancement de ces dates sur l’échelle de temps de la simulation. Nous prenons le système urbain de Métouia (Tunisie), comme exemple de système complexe spatial à étudier pour répondre aux besoins des urbanistes en termes d’aide à la décision en aménagement et tester notre approche de couplage coupling4modeling. / In This work we present an agent-based approach for coupling models in the context of complex spatial systems. The main idea of our approach called Coupling4Modeling is the use of the space as a medium of interactions between the coupling agents to allow them to co-exist and interact according to a set of rules that govern these interactions. By playing the role of coupling factor, space allows coupling agents to exchange data and to observe the results of pragmatic coupling of different models constituting the studied spatial complex sys-tem. This approach consisting in a methodology and an agent-oriented metamodel of coupling. Our metamodel is based on an organizational (AGRE) with holonic architecture that takes into consideration the specificity, autonomy and the calculation scale of each model. This notion of holon allows us to manage the heterogeneity of formalisms and spatio-temporal scales of models. In fact, spatial heterogeneity is managed by the decomposition of the collector and the interpreter agents until reaching the desired level of abstraction. These agents can move from one level to another by adapting the spatial scale of the space to the spatial scale of the model through conversion functions. The temporal heterogeneity is managed by a time agent that will calculate the future date in the execution of the model and a scheduler agent that will schedule these dates following the time scale of the simulation. We take the urban system of Metouia (Tunisia) as an example of spatial complex system, to study with details and to test our coupling4modeling approach. The main goal is to meet the needs of urbanists in terms of decision support in urban planning and to test our coupling approach coupling4modeling.

Cette thèse est consacrée à l'étude d’agents appelés prosumers parce qu’ils peuvent, à partir d’énergies renouvelables, à la fois produire et consommer de l’électricité. Si leurs productions excèdent leurs propres besoins, ceux-ci cherchent à vendre leur surplus sur des marchés de l’électricité. Nous proposons de modéliser ces prosumers à partir de données météorologiques, ce qui nous a permit de mettre en évidence des corrélations spatio-temporelles non triviales, d'une grande importance pour les agrégateurs qui forment des portefeuilles d’équipements afin de vendre des services à l'opérateur du réseau. Comme un agrégateur est lié par un contrat avec l'opérateur, il peut faire l'objet de sanctions s’il ne remplit pas son rôle. Nous montrons que ces corrélations impactent la stabilité des agrégats, et donc le risque encouru par les agrégateurs. Nous proposons un algorithme minimisant le risque d'un ensemble d’agrégations, tout en maximisant le gain attendu. La mise en place de dispositifs de stockage dans un réseau où les générateurs et les charges sont dynamiques et stochastiques est complexe. Nous proposons de répondre à cette question grâce à la théorie du contrôle. Nous modélisons le système électrique par un réseau d'oscillateurs couplés, dont la dynamique des angles de phase est une approximation de la dynamique réelle du système. Le but est de trouver le sous-ensemble des nœuds du graphe qui, lors d'une perturbation du système, permet le retour à l'équilibre si les bons signaux sont injectés, et ceci avec une énergie minimum. Nous proposons un algorithme pour trouver un placement proche de l'optimum permettant de minimiser l'énergie moyenne de contrôle / This thesis is devoted to the study of agents called prosumers because they can, from renewable, both produce and consume electricity. If their production exceeds their own needs, they are looking to sell their surplus on electricity markets. We propose to model these prosumers from meteorological data, which has allowed us to highlight non trivial spatial and temporal correlations. This is of great importance for aggregators that form portfolios of equipments to sell services to the network operator. As an aggregator is bound by a contract with the operator, it can be subject to penalties if it does not fulfill its role. We show that these correlations impact the stability of aggregates, and therefore the risk taken by the aggregators. We propose an algorithm minimizing the risk of the aggregations, while maximizing the expected gain. The placement of storage devices in a network where generators and loads are stochastic and not fixed is complex. We propose to answer this question with control theory. We model the electrical system as a network of coupled oscillators, whose phase angles dynamics is an approximation of the actual dynamics of the system. The goal is to find the subset of nodes in the graph that, during a disturbance of the system, allows returning to equilibrium if the right signals are injected and this with a minimum energy. We propose an algorithm to find a near optimal placement to minimize the average energy control

La gestion de projets complexes nécessite d’orchestrer la coopération de centaines de personnes provenant de diverses entreprises, professions et compétences, de travailler sur des milliers d'activités, livrables, objectifs, actions, décisions et risques. En outre, ces nombreux éléments du projet sont de plus en plus interconnectés, et aucune décision ou action n’est indépendante. Cette complexité croissante est l'un des plus grands défis de la gestion de projet et l'une des causes de l'échec du projet en termes de dépassements de coûts et des retards. Par exemple, dans l'industrie automobile, l'augmentation de l'orientation du marché et de la complexité croissante des véhicules a changé la structure de gestion des projets de développement de nouveaux véhicules à partir d'une structure hiérarchique à une structure en réseau, y compris le constructeur, mais aussi de nombreux fournisseurs. Les dépendances entre les éléments du projet augmentent les risques, car les problèmes dans un élément peuvent se propager à d'autres éléments qui en dépendent directement ou indirectement. La complexité génère un certain nombre de phénomènes, positifs ou négatifs, isolés ou en chaînes, locaux ou globaux, qui vont plus ou moins interférer avec la convergence du projet vers ses objectifs.L'objectif de la thèse est donc de réduire les risques associés à la complexité des projets véhicules en augmentant la compréhension de cette complexité et de la coordination des acteurs du projet. Pour ce faire, une première question de recherche est de prioriser les actions pour atténuer les risques liés à la complexité. Puis, une seconde question de recherche est de proposer un moyen d'organiser et de coordonner les acteurs afin de faire face efficacement avec les phénomènes liés à la complexité identifiés précédemment.La première question sera abordée par la modélisation de complexité du projet en analysant les phénomènes liés à la complexité dans le projet, à deux niveaux. Tout d'abord, une modélisation descriptive de haut niveau basée facteur est proposé. Elle permet de mesurer et de prioriser les zones de projet où la complexité peut avoir le plus d'impact. Deuxièmement, une modélisation de bas niveau basée sur les graphes est proposée. Elle permet de modéliser plus finement les éléments du projet et leurs interdépendances. Des contributions ont été faites sur le processus complet de modélisation, y compris l'automatisation de certaines étapes de collecte de données, afin d'augmenter les performances et la diminution de l'effort et le risque d'erreur. Ces deux modèles peuvent être utilisés en conséquence; une première mesure de haut niveau peut permettre de se concentrer sur certains aspects du projet, où la modélisation de bas niveau sera appliquée, avec un gain global d'efficacité et d'impact. Basé sur ces modèles, certaines contributions sont faites pour anticiper le comportement potentiel du projet. Des analyses topologiques et de propagation sont proposées pour détecter et hiérarchiser les éléments essentiels et les interdépendances critiques, tout en élargissant le sens du mot polysémique "critique".La deuxième question de recherche sera traitée en introduisant une méthodologie de « Clustering » pour proposer des groupes d'acteurs dans les projets de développement de nouveaux produits, en particulier pour les acteurs impliqués dans de nombreuses interdépendances liées aux livrables à différentes phases du cycle de vie du projet. Cela permet d'accroître la coordination entre les acteurs interdépendants qui ne sont pas toujours formellement reliés par la structure hiérarchique de l'organisation du projet. Cela permet à l'organisation du projet d’être effectivement plus proche de la structure en « réseau » qu’elle devrait avoir. L'application industrielle aux projets de développement de nouveaux véhicules a montré des résultats prometteurs pour les contributions aux deux questions de recherche. / The management of complex projects requires orchestrating the cooperation of hundreds of individuals from various companies, professions and backgrounds, working on thousands of activities, deliverables, and risks. As well, these numerous project elements are more and more interconnected, and no decision or action is independent. This growing complexity is one of the greatest challenges of project management and one of the causes for project failure in terms of cost overruns and time delays. For instance, in the automotive industry, increasing market orientation and growing complexity of automotive product has changed the management structure of the vehicle development projects from a hierarchical to a networked structure, including the manufacturer but also numerous suppliers. Dependencies between project elements increase risks, since problems in one element may propagate to other directly or indirectly dependent elements. Complexity generates a number of phenomena, positive or negative, isolated or in chains, local or global, that will more or less interfere with the convergence of the project towards its goals. The thesis aim is thus to reduce the risks associated with the complexity of the vehicle development projects by increasing the understanding of this complexity and the coordination of project actors. To do so, a first research question is to prioritize actions to mitigate complexity-related risks. Then, a second research question is to propose a way to organize and coordinate actors in order to cope efficiently with the previously identified complexity-related phenomena.The first question will be addressed by modeling project complexity and by analyzing complexity-related phenomena within the project, at two levels. First, a high-level factor-based descriptive modeling is proposed. It permits to measure and prioritize project areas where complexity may have the most impact. Second, a low-level graph-based modeling is proposed, based on the finer modeling of project elements and interdependencies. Contributions have been made on the complete modeling process, including the automation of some data-gathering steps, in order to increase performance and decrease effort and error risk. These two models can be used consequently; a first high-level measure can permit to focus on some areas of the project, where the low-level modeling will be applied, with a gain of global efficiency and impact. Based on these models, some contributions are made to anticipate potential behavior of the project. Topological and propagation analyses are proposed to detect and prioritize critical elements and critical interdependencies, while enlarging the sense of the polysemous word “critical."The second research question will be addressed by introducing a clustering methodology to propose groups of actors in new product development projects, especially for the actors involved in many deliverable-related interdependencies in different phases of the project life cycle. This permits to increase coordination between interdependent actors who are not always formally connected via the hierarchical structure of the project organization. This allows the project organization to be actually closer to what a networked structure should be. The automotive-based industrial application has shown promising results for the contributions to both research questions. Finally, the proposed methodology is discussed in terms of genericity and seems to be applicable to a wide set of complex projects for decision support.