L’aide multicritère à la décision (AMCD) vise à faciliter et améliorer la qualité du processus de prise de décision. Les méthodes d’AMCD permettent de traiter les problèmes de choix, rangement et classification. Ces méthodes impliquent généralement la construction d’un modèle. Déterminer les valeurs des paramètres de ces modèles n’est pas aisé. Les méthodes d’apprentissage indirectes permettent de simplifier cette tâche en apprenant les paramètres du modèle de décision à partir de jugements émis par un décideur tels que “l’alternative a est préférée à l’alternative b” ou “l’alternative a doit être classifiée dans la meilleure catégorie”. Les informations données par le décideur sont généralement parcimonieuses. Le modèle d’AMCD est appris au cours d’un processus interactif entre le décideur et l’analyste. L’analyste aide le décideur à formuler et revoir ses jugements si nécessaire. Le processus s’arrête une fois qu’un modèle satisfaisant les préférences du décideur a été trouvé. Le “preference learning” (PL) est un sous domaine du “machine learning” qui s’intéresse à l’apprentissage des préférences. Les algorithmes de ce domaine sont capables de traiter de grands jeux de données et sont validés au moyen de jeux de données artificiels et réels. Les jeux de données traités en PL sont généralement collectés de différentes sources et sont entachés de bruit.Contrairement à l’AMCD, il existe peu ou pas d’interaction avec l’utilisateur en PL. Le jeu de données fourni en entrée à l’algorithme est considéré comme un échantillon éventuellement bruité d’une “réalité” ou “vérité de terrain”. Les algorithmes utilisés dans ce domaine ont des propriétés statistiques fortes leur permettant de s’affranchir du bruit dans ces jeux de données. Dans cette thèse, nous développons des algorithmes d’apprentissage permettant d’apprendre lesparamètres de modèles d’AMCD. Plus précisément, nous développons une métaheuristique afin d’apprendre les paramètres d’un modèle appelé MR-Sort (“majority rule sorting”). Cette métaheuristique est testée sur des jeux de donnéesartificiels et réels utilisés dans le domaine du PL. Nous utilisons cet algorithme afin de traiter un problème concret dans le domaine médical. Ensuite nous modifions la métaheuristique afin d’apprendre les paramètres d’un modèle plus expressif appelé NCS (“non-compensatory sorting”). Finalement, nous développons un nouveau type de règle de veto pour les modèles MR-Sort et NCS qui permet de prendre les coalitions de critères en compte. La dernière partie de la thèse introduit les méthodes d’optimisation semi-définie positive (SDP) dans le contexte de l’aide multicritère à la décision. Précisément, nous utilisons l’optimisation SDP afin d’apprendre les paramètres d’un modèle de fonction de valeur additive. / Multiple-criteria decision analysis (MCDA) aims at providing support in order to make a decision. MCDA methods allow to handle choice, ranking and sorting problems. These methods usually involve the elicitation of models. Eliciting the parameters of these models is not trivial. Indirect elicitation methods simplify this task by learning the parameters of the decision model from preference statements issued by the decision maker (DM) such as “alternative a is preferred to alternative b” or “alternative a should be classified in the best category”. The information provided by the decision maker are usually parsimonious. The MCDA model is learned through an interactive process between the DM and the decision analyst. The analyst helps the DM to modify and revise his/her statements if needed. The process ends once a model satisfying the preferences of the DM is found. Preference learning (PL) is a subfield of machine learning which focuses on the elicitation of preferences. Algorithms in this subfield are able to deal with large data sets and are validated withartificial and real data sets. Data sets used in PL are usually collected from different sources and aresubject to noise. Unlike in MCDA, there is little or no interaction with the user in PL. The input data set is considered as a noisy sample of a “ground truth”. Algorithms used in this field have strong statistical properties that allow them to filter noise in the data sets.In this thesis, we develop learning algorithms to infer the parameters of MCDA models. Precisely, we develop a metaheuristic designed for learning the parameters of a MCDA sorting model called majority rule sorting (MR-Sort) model. This metaheuristic is assessed with artificial and real data sets issued from the PL field. We use the algorithm to deal with a real application in the medical domain. Then we modify the metaheuristic to learn the parameters of a more expressive model called the non-compensatory sorting (NCS) model. After that, we develop a new type of veto rule for MR-Sort and NCS models which allows to take criteria coalitions into account. The last part of the thesis introduces semidefinite programming (SDP) in the context of multiple-criteria decision analysis. We use SDP to learn the parameters of an additive value function model.

Les Règles Métiers (Business Rules en anglais, ou BRs) sont un outil communément utilisé dans l’industrie pour automatiser des prises de décisions répétitives. Le problème de l’adaptation de bases de règles existantes à un environnement en constante évolution est celui qui motive cette thèse. Des techniques existantes d’Apprentissage Automatique Supervisé peuvent être utilisées lorsque cette adaptation se fait en toute connaissance de la décision correcte à prendre en toute circonstance. En revanche, il n’existe actuellement aucun algorithme, qu’il soit théorique ou pratique, qui puisse résoudre ce problème lorsque l’information connue est de nature statistique, comme c’est le cas pour une banque qui souhaite contrôler la proportion de demandes de prêt que son service de décision automatique fait passer à des experts humains. Nous étudions spécifiquement le problème d’apprentissage qui a pour objectif d’ajuster les BRs de façon à ce que les décisions prises aient une valeur moyenne donnée.Pour ce faire, nous considérons les bases de Règles Métiers en tant que programmes. Après avoir formalisé quelques définitions et notations dans le Chapitre 2, le langage de programmation BR ainsi défini est étudié dans le Chapitre 4, qui prouve qu’il n’existe pas d’algorithme pour apprendre des Règles Métiers avec un objectif statistique dans le cas général. Nous limitons ensuite le champ d’étude à deux cas communs où les BRs sont limités d’une certaine façon : le cas Borné en Itérations dans lequel, quelles que soit les données d’entrée, le nombre de règles exécutées en prenant la décision est inférieur à une borne donnée ; et le cas Linéaire Borné en Itérations dans lequel les règles sont de plus écrite sous forme Linéaire. Dans ces deux cas, nous produisons par la suite un algorithme d’apprentissage basé sur la Programmation Mathématique qui peut résoudre ce problème. Nous étendons brièvement cette formalisation et cet algorithme à d’autres problèmes d’apprentissage à objectif statistique dans le Chapitre 5, avant de présenter les résultats expérimentaux de cette thèse dans le Chapitre 6. / Business Rules (BRs) are a commonly used tool in industry for the automation of repetitive decisions. The emerging problem of adapting existing sets of BRs to an ever-changing environment is the motivation for this thesis. Existing Supervised Machine Learning techniques can be used when the adaptation is done knowing in detail which is the correct decision for each circumstance. However, there is currently no algorithm, theoretical or practical, which can solve this problem when the known information is statistical in nature, as is the case for a bank wishing to control the proportion of loan requests its automated decision service forwards to human experts. We study the specific learning problem where the aim is to adjust the BRs so that the decisions are close to a given average value.To do so, we consider sets of Business Rules as programs. After formalizing some definitions and notations in Chapter 2, the BR programming language defined this way is studied in Chapter 3, which proves that there exists no algorithm to learn Business Rules with a statistical goal in the general case. We then restrain the scope to two common cases where BRs are limited in some way: the Iteration Bounded case in which no matter the input, the number of rules executed when taking the decision is less than a given bound; and the Linear Iteration Bounded case in which rules are also all written in Linear form. In those two cases, we later produce a learning algorithm based on Mathematical Programming which can solve this problem. We briefly extend this theory and algorithm to other statistical goal learning problems in Chapter 5, before presenting the experimental results of this thesis in Chapter 6. The last includes a proof of concept to automate the main part of the learning algorithm which does not consist in solving a Mathematical Programming problem, as well as some experimental evidence of the computational complexity of the algorithm.

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

La construction usinée est un marché en pleine croissance en Amérique du Nord. Cependant, le choix des matériaux a un impact sur leurs coûts, leur temps de production et leur qualité. Par conséquent, l'objectif principal de cette thèse est de faciliter le choix des matériaux d'enveloppe et des structures des bâtiments usinés en bois au Canada et aux États-Unis, à partir de l'utilisation d'un outil de décision multicritères. Pour atteindre les objectifs, une stratégie de recherche a été conçue en trois étapes. À la première étape, une revue systématique a été réalisée pour identifier qu'elles sont les critères et les sous-critères pour sélectionner des matériaux d'enveloppe et de structure. Quant à la seconde étape, le raffinement et la validation des critères et sous-critères ont été effectués à l'aide de mesures du consensus et de l'indice de gravité (IG) à travers une étude réalisée auprès d'un groupe de vingt panélistes de la construction bois (Canada et États-Unis). À la troisième étape, l'analyse hiérarchique des procédés (AHP) a été réalisée. L'AHP s'est composé de deux phases, dans la première, la collecte de données, a été réalisée à l'aide d'enquêtes comparatives par paires. La deuxième a été la construction et l'exécution de l'AHP. Un groupe de panélistes composés de dix professionnels (Canada et des États-Unis) avec un positionnement stratégique dans le choix des matériaux pour la construction en bois a été consulté. Grâce aux résultats de la première étape, il a été possible d'obtenir les critères de choix des matériaux. Outre les critères, à partir de l'analyse documentaire, il a également été possible de relever des lacunes de recherche sur la construction en bois et l'efficacité énergétique. Des recommandations générales pour le développement de bâtiments moins énergivores ont été discutées. Quant aux critères obtenus, vingt-cinq sous-critères ont été extraits et divisés en sept critères principaux : (1) propriétés techniques; (2) matériaux durables; (3) efficacité énergétique; (4) économies de matériaux; (5) conditions du site et la logistique; (6) documentation et standardisation et (7) bénéfice social. À la deuxième étape, pour le raffinement et la validation, une plus grande importance a été accordée aux critères propriétés techniques, conditions du site et la logistique et bénéfice social. Quinze sous-critères ont été validés où seulement douze ont obtenu une priorité élevée par l'IG. Il s'agit des sous-critères (1ᵉʳ) étanchéité, (2ᵉ) facilité de mise en œuvre, (3ᵉ) santé des occupants, (4ᵉ) emplacement, forme et hauteur du bâtiment, (5ᵉ) résistance aux intempéries, (6ᵉ) performance au feu, (7ᵉ) disponibilité des matériaux, (8ᵉ) confort et bienêtre des occupants, (9ᵉ) sûreté et sécurité des occupants, (10ᵉ) esthétique, (11ᵉ) performance mécanique et (12ᵉ) documentation et standardisation. Les résultants de la troisième étape ont montré que le bénéfice social a la plus haute priorité pour la sélection des matériaux de structure et d'enveloppe, suivi des conditions du site et de la logistique et des propriétés techniques. Les cinq principaux sous-critères pour choisir des matériaux de structures étaient la sûreté et la sécurité des occupants du bâtiment, l'emplacement, la forme et la hauteur du bâtiment, le confort, la satisfaction et le bien-être du bâtiment, la santé des occupants et la disponibilité des matériaux, avec des poids globaux de 0,234, 0,218, 0,155, 0,121 et 0,098, respectivement. Pour la sélection des matériaux d'enveloppe, les cinq principaux sous-critères étaient le confort, la satisfaction et le bien-être du bâtiment, la sûreté et la sécurité des occupants du bâtiment, l'emplacement, la forme et la hauteur du bâtiment, la santé des occupants, la disponibilité des matériaux avec des poids globaux de 0,252, 0,206, 0,178, 0,132 et 0,078 respectivement. Cette étude suggère que l'AHP pourrait être une voie décisionnelle pour faciliter la sélection des matériaux de structure et d'enveloppe des bâtiments en bois au Canada et aux États-Unis. Nos résultats suggèrent que le choix des matériaux devrait prendre en compte les matériaux qui offrent des bénéfices sociaux et qui s'adaptent à la condition du site et à la logistique, plus précisément ceux liés au confort, à la satisfaction et au bien-être des occupants pour l'enveloppe. Pour la structure, ceux liés au sous-critère sûreté et sécurité des travailleurs et des occupants pour les matériaux de structure. / Prefabricated construction is a growing market in North America. However, the choice of materials has an impact on their costs, production time, and quality. The main objective of this thesis is to facilitate the choice of envelope materials and structures of manufactured wood buildings in Canada and the United States, from the use of a multi-criteria decision tool. To achieve the objectives, a research methodology was designed in three steps. In the first step, a systematic review was performed to identify what are the criteria and sub-criteria for selecting the envelope and structural materials. For the second step, the refinement and validation of the criteria and sub-criteria were carried out, using consensus measurements and the severity index (SI) through a study carried out with a group of twenty panelists of wood construction (Canada and the United States). In the third step, the Analytic hierarchy process (AHP) was performed. The AHP consisted of two phases, in the first, data collection was carried out using pairwise comparative surveys. The second was the construction and execution of the AHP. A group of panelists composed of ten professionals (Canada and the United States) with a strategic positioning in the choice of materials for wood construction was consulted. Thanks to the results from the first step, it was possible to obtain the criteria for choosing the materials. In addition to the criteria, from the literature review, it was also possible to identify research gaps on wood construction and energy efficiency. General recommendations for the development of less energy-intensive buildings were discussed. As for the criteria obtained, twenty-five sub-criteria were extracted and divided into seven main criteria: (1) technical properties, (2) durable materials, (3) energy efficiency, (4) material savings, (5) conditions site and logistics, (6) documentation and standardization, and (7) social benefit. In the second step, for refinement and validation, greater importance was given to the criteria technical properties, site conditions and logistics, and social benefit. Seventeen sub-criteria were validated where only thirteen were given high priority by the SI. These are the sub-criteria (1ˢᵗ) watertightness, (2ⁿᵈ) ease of implementation, (3ʳᵈ) health of occupants, (4ᵗʰ) location, building shape and height, (5ᵗʰ) weather resistance, (6ᵗʰ) fire performance, (7ᵗʰ) availability of materials, (8ᵗʰ) comfort and well-being of occupants, (9ᵗʰ) safety and security of occupants, (10ᵗʰ) aesthetics, (11ᵗʰ) mechanical performance, and (12ᵗʰ) documentation and standardization. The results of the third step showed that social benefit has the highest priority for the selection of structural and envelope materials, followed by site conditions and logistics as well as technical properties. The five main sub-criteria to choose structural materials were building occupant safety and security, building location, shape and height, building comfort, satisfaction and well-being, occupant health, and availability of materials, with overall weights of 0.234, 0.218, 0.155, 0.121, and 0.098, respectively. For the selection of envelope materials, the five main sub-criteria were comfort, satisfaction and well-being of the building, safety and security of the occupants of the building, location, shape and height of the building, occupant health, and material availability, with overall weights of 0.252, 0.206, 0.178, 0.132 and 0.078 respectively. This study suggests that AHP could be a decision-making pathway to facilitate the selection of structural and envelope materials for wood buildings in Canada and the United States. Our results suggest that a material choice pathway should take into account materials that provide social benefits and suit the site condition and logistics, more specifically, those related to the comfort, satisfaction, and well-being of the occupants for the envelope. For the structure, those related to the safety and security of workers and occupant's sub-criterion for structural materials.

L’organisme communautaire Maghreb Afrique Comité des familles pour Survivre au sida, situé à Paris, a pour mission de soutenir les personnes concernées par le VIH et leurs familles dans leurs vies quotidiennes, mais aussi dans leurs projets de vie. La présente étude a pour but d’analyser la dynamique d’une coalition formée d’acteurs entourant le Comité des familles. Un cadre d’analyse inspiré de la théorie des coalitions de Gamson et de la théorie des archétypes de Hinings et Greenwood a été utilisé. Ce cadre a servi de grille d’analyse pour décrire la dynamique existante entre les acteurs et identifier les facteurs facilitant et les contraintes influençant la capacité de l’organisme à atteindre ses objectifs. Cette capacité pourrait être accrue si la coalition d’acteurs était plus forte, ce qui augmenterait la cohérence des actions de la coalition et l’efficience des efforts et des ressources investis. / The organization ''Maghreb Afrique Comité des familles pour Survivre au sida'' is a social NGO in Paris, France. Its aim is to support seropositive people and their families to cope with everyday life and to make plans for the future. The organization also has an advocacy mission, defending the rights of these persons in the French society. This study sought to investigate the dynamics between the stakeholders that play a role in the achievement of the Comité’s objectives. An analysis framework based on of Gamson’s coalition theory and Hinings and Greenwood’s archetype was used. The main observations are related to the identification of the stakeholders concerned by the attainment of the Comité’s goals, the facilitating factors and barriers of interactions between players, and their satisfaction level within this collaboration.

Titre de l'écran-titre (visionné le 15 mars 2024) / Le Québec, comme plusieurs juridictions dans le monde, s'est doté de cibles ambitieuses pour l'électrification des transports. Cette transition est essentielle pour réduire notre dépendance aux hydrocarbures et atteindre nos cibles de réduction des gaz à effet de serre. Il est important de bien comprendre ce qui influence la décision de passer à ces nouvelles technologies. Les subventions provinciales ont couté plus d'un milliard de dollars du début du programme jusqu'en 2023. Considérant les sommes importantes en fonds publics investis, il est essentiel de comprendre ce qui influence l'adoption des véhicules électriques pour mettre en place des politiques efficaces. Bien que ces incitatifs joue un rôle important dans cette transition en réduisant le surcoût de l'achat d'un véhicule électrique, ce mémoire propose d'étudier l'impact du coût de l'essence sur les achats de véhicules électriques. Pour bien identifier les déterminants de la demande, plusieurs caractéristiques, en plus du prix de l'essence, ont été intégrées dans ce mémoire : le prix du véhicule électrique, son autonomie, le nombre de modèles proposés sur le marché et la disponibilité de bornes de recharge rapide. Les données sur l'immatriculation des véhicules de la Société d'assurance automobile du Québec nous semblent pertinentes pour mesurer la demande pour les véhicules électriques, puisqu'elles contiennent l'information sur l'ensemble des véhicules immatriculés au Québec. D'autres sources de données sont également utilisées, telles que les prix de l'essence de la régie de l'énergie, les caractéristiques des véhicules du guide de l'auto, le nombre de bornes du Circuit Électrique d'Hydro-Québec, etc. Les résultats font état d'une forte influence du prix de l'essence avec une élasticité entre 1,68 et 2,06. Également, le prix du véhicule (élasticité entre -2.31 et -2.32) et son autonomie (élasticité entre 1,37 et 1,38) sont des déterminants importants de la demande. Il faut cependant interpréter ces résultats avec une grande prudence, car les analyses de sensibilité indiquent que ces résultats sont relativement instables. / Like many jurisdictions around the world, Quebec has set ambitious targets towards the electrification of transportation. This transition is essential to reduce our dependence on hydrocarbons and achieve our greenhouse gas reduction targets. It's important to understand what influences the buyer's decision to switch to these new technologies. Provincial subsidies have cost over a billion dollars from the beginning of the program to 2023. Considering the large sums of public money invested, it is essential to understand what influences the adoption of electric vehicles in order to implement effective policies. Although these incentives play an important role in this transition by reducing the additional cost of purchasing an electric vehicle, we propose in this memoir to study the impact of the cost of gasoline on electric vehicle purchases. To properly identify the determinants of demand, several characteristics, in addition to the price of gasoline, have been integrated into this memoir: the price of the electric vehicle, its range, the number of models on the market and the availability of fast-charging stations. Vehicle registration data from La Société d'assurance automobile du Québec (SAAQ) is relevant to measuring demand for electric vehicles, since it contains information on all vehicles registered in Quebec. Other data sources are also used, such as gasoline prices from the Régie de l'énergie, vehicle characteristics from the Guide de l'auto, the number of charging station of Circuit Électrique by Hydro-Québec, etc. The results show the strong influence of the price of petrol, with an elasticity between 1.68 and 2.06. Vehicle price (elasticity between -2.31 and -2.32) and range (elasticity between 1.37 and 1.38) are also important determinants of demand. The sensitivity tests carried out show a certain instability in the results, leading us to maintain a certain degree of caution.

Tableau d'honneur de la Faculté des études supérieures et postdoctorales, 2023 / Les activités de planification et d'ordonnancement sont complexes et leur optimisation est cruciale pour les entreprises, particulièrement dans les réalités économiques et industrielles modernes. En effet, la forte concurrence engendrée par la globalisation du marché, l'exigence croissante des consommateurs en termes de qualité et délais, ou encore l'utilisation d'environnements technologiques fortement connectés (Industrie 4.0), motivent les entreprises à améliorer continuellement leurs approches de gestion tactique et opérationnelle (Lasi et al., 2014; Hozdić, 2015; Alcácer and Cruz-Machado, 2019). C'est particulièrement vrai pour les produits d'ingénierie sur demande, ou Engineer-To-Order (ETO). Ces produits sont souvent très complexes en termes de structure, uniques ou non-standards, et sont fabriqués sur la base de besoins incertains et d'une conception incomplète ou vouée à évoluer (Wortmann, 1983, 1992; Mather, 1999; Little et al., 2000; Jünge et al., 2021; Alfnes et al., 2021). Ils conviennent particulièrement bien aux Petites et Moyennes Entreprises (PMEs) qui voient dans ce service de personnalisation un avantage concurrentiel par rapport aux grandes organisations disposant de capacités de production plus importantes (Little et al., 2000; Kusturica et al., 2018; Zennaro et al., 2019). Cependant, la nature incertaine de ces produits rend plus difficile l'évaluation des prix, la prévision des charges et des durées, engendre du gaspillage (d'éléments achetés ou produits avant d'être modifiés ou annulés) et réduit la robustesse des ordonnancements (par nécessité de réordonnancement) (Gutfeld et al., 2014; Hooshmand et al., 2016; Bhalla et al., 2022). Afin de proposer des décisions pertinentes et de prédire avec justesse les résultats qui en découleront, un système d'aide à la décision pour la planification et l'ordonnancement dédié au contexte ETO se doit de tenir compte des spécificités de ses produits et du processus permettant leur réalisation. Par exemple, les projets ETO sont généralement exécutés en ingénierie concurrente : on produit les pièces validées sans attendre la fin de la conception du projet. De plus, contrairement aux activités de production ou d'assemblage, les étapes d'ingénierie et de design peuvent être répétées jusqu'à la validation du client, ne sont exécutées qu'une fois pour différents éléments identiques du projet, sont souvent mesurées en journées, voire semaines, et sont soumises à des règles de précédence différentes. À cet égard, cette thèse s'articule autour de la question de recherche suivante : "Par quels moyens fonctionnels, méthodologiques, technologiques et architecturaux un système d'aide à la décision pour la planification et l'ordonnancement peut-il répondre aux problématiques des PMEs liées à l'approche ETO ?" Les cinq principales problématiques visées étant (i) l'instabilité des plans et ordonnancement construits, (ii) le gaspillage (de temps, de ressources matérielles ou financières) dû aux révisions de la conception, (iii) la difficulté à satisfaire les attentes des clients en termes de coût et délais, (iv) la forte concurrence du marché industriel moderne ou encore (v) la difficulté à prédire la performance des décisions prises. À travers cette thèse, nous répondons à cette question en proposant un système intelligent de planification et d'ordonnancement dédié au contexte ETO. L'objectif étant d'obtenir un système complet et fonctionnel. Ce dernier est composé d'un modèle de données (comportant les décisions clés, les informations nécessaires à la prise de ces décisions, les métriques d'évaluation et les contraintes d'optimisation), de plusieurs modules fonctionnels reposant sur des algorithmes d'optimisation et d'apprentissage novateurs, ainsi que sur une séquence d'interactions entre ces modules pour accomplir les différents cas d'utilisation. Afin d'appréhender de manière réalisable l'atteinte de cet objectif, nous avons réparti les étapes de création du système en sept contributions scientifiques. Tout d'abord, l'architecture est composée de cinq contributions conceptuelles : (i) la conceptualisation et la modélisation mathématique du problème étudié, (ii) la proposition d'une stratégie d'ordonnancement robuste, (iii) la conception d'une méthode heuristique de résolution (algorithme génétique hybride) du problème de planification et d'ordonnancement, (iv) la conception d'une méthode de construction d'une stratégie qui incorpore les décisions de planification et d'ordonnancement dans une stratégie commerciale et prédit son impact sur plusieurs métriques (à l'aide d'un réseau de neurones artificiels), et finalement, (v) l'architecture qui regroupe ces différents éléments. Ces contributions ont été possibles à la suite de différentes analyses et revues de la littérature scientifique. Ces revues ont permis de détecter des manques à combler et de faire des choix quant aux outils et méthodes à exploiter. La nature complexe, stochastique et combinatoire des problèmes rencontrés nous a motivé à opter pour une utilisation combinée de méthodes issues de l'intelligence artificielle (apprentissage automatique, méthodes d'optimisation combinatoire et simulation). Finalement, nous avons développé un prototype de notre architecture sous la forme d'un logiciel de simulation pédagogique et gamifiée. Nos contributions ont tout d'abord été testées unitairement et quantitativement à l'aide de deux types de métriques : leur performance computationnelle (vitesse d'exécution et mémoire utilisée) et la qualité des solutions proposées (déviation de l'optimalité, qualité pratique mesurée à l'aide de scénarios aléatoires d'exécution). Les résultats publiés démontrent ainsi (i) la capacité de nos méthodes à opérer sur des projets de taille réelle et (ii) la qualité des solutions proposées. Ensuite, la réalisation du prototype a permis de tester leur intégration sous la forme d'un système complet et fonctionnel. Ce prototype a par ailleurs été utilisé dans le cadre d'un cours dispensé à l'Université Laval. / Planning and scheduling activities are difficult and significantly impact the performance of manufacturing companies. The latter are therefore forced to constantly search for optimization methods that could help improve their tactical and operational decisions. It is especially true in modern economic and industrial realities characterized by strong competition due to the globalization of the market and growing expectations for quality and short lead times (Lasi et al., 2014; Hozdić, 2015; Alcácer and Cruz-Machado, 2019). Both activities are even more challenging in the Engineer-To-Order (ETO) context. Indeed, ETO products are one-of-a-kind or highly customized and non-standard. They are often composed of a complex structure (BOM/EBOM) and their production is executed based on uncertain needs for features and an incomplete design, intended to evolve over time (Wortmann, 1983, 1992; Mather, 1999; Little et al., 2000; Jünge et al., 2021; Alfnes et al., 2021). The ETO context is very suitable for Small and Medium Enterprises (SMEs) which see this additional service of design and engineering as a competitive advantage over industries with larger production capacities (Little et al., 2000; Kusturica et al., 2018; Zennaro et al., 2019). However, producing a partially unknown product complicates the forecast of costs, workloads, or deadlines (Gutfeld et al., 2014; Hooshmand et al., 2016; Bhalla et al., 2022). ETO projects are also subject to unstable schedules (with frequent rescheduling) and waste of time and resources. To offer appropriate planning and scheduling decisions and precisely forecast their performance, decision support systems dedicated to the ETO context should consider the specificities of typical products and execution processes. For instance, ETO projects are typically executed in concurrent engineering: already validated items are produced without waiting for the complete design of the product. Besides, unlike physical operations (production and assembly), non-physical activities (design and engineering) are repeated until validated by the client; are executed once for several identical items; are measured in days or even weeks; and do not respect the same precedence relations. This thesis intends to answer the following research question: "By what functional, methodological, technological, and architectural means can a decision support system for planning and scheduling address the issues faced by SMEs due to the ETO approach?" The five main issues addressed are (i) the frequent need for rescheduling, (ii) the waste of time and resources (due to items cancellation or modification after their purchase or production), (iii) the difficulty to satisfy the client expectations in terms of cost and lead time, (iv) the strong competition of the modern industrial market, and (v) the inability to forecast the impact of the decisions. Through this thesis, we answer this question by proposing an intelligent planning and scheduling system dedicated to the ETO context. We aim to obtain a complete and operational system. Hence, its architecture is composed of a data model (including the main decisions, the mandatory data to make those decisions, the metrics to evaluate their quality, and the optimization constraints), several business modules based on innovative optimization and learning algorithms, and the sequence of interactions needed to accomplish the different use cases. We then divided the different steps needed to answer the research question into seven achievable scientific contributions. First, the technical components of our architectures represent the five main contributions: (i) a mathematical model representing the studied problem, (ii) a robust planning and scheduling strategy, (iii) a hybrid genetic algorithm able to solve a real-sized instance of the problem, (iv) a prediction model, based on artificial neural networks, to build a complete commercial strategy incorporating the planning and scheduling decisions and forecasting its performance, and (v) the software architecture. Our contributions were possible only after various analyses and literature reviews. Those reviews allowed us to notice gaps regarding our context and make informed choices. To overcome the complex, stochastic, and combinatorial nature of the problems encountered, we opted for a combined use of methods linked to Artificial Intelligence (heuristic optimization, machine learning, and simulation). Finally, we implemented a prototype of our system as a gamified software dedicated to learning purposes. We first tested our contributions separately (unit tests) using two types of quantitative metrics: the computational performance (computing time and memory used) and the quality of the proposed solutions (deviation, impact of randomly generated scenarios). The results highlighted the capacity of our methods to solve realistic instances and the impact of our planning and scheduling strategy. Then, our prototype of implementation allowed us to validate their viable integration as a complete system. Our prototype has also been tested and used as part of a course given at Université Laval.

Les systèmes de traitement des eaux usées (les réseaux d'égouts urbains et les Stations de Récupération des Ressources de l'Eau (StaRRE)) font face à des défis considérables. L'accentuation des changements climatiques et l'émergence de nouvelles maladies infectieuses poussent les régulateurs à resserrer les permis d'assainissement et demander l'extraction de plus de ressources des eaux usées. Simultanément, de nouvelles méthodes de collecte d'information sont développées, qu'il s'agisse de nouveaux capteurs ou de nouvelles méthodes d'analyse. Ces nouvelles technologies produisent des données qui peuvent aider les systèmes d'assainissement à atteindre leurs objectifs. Cependant, pour qu'elles soient utilisables, il est essentiel que les données captées soient adéquatement traitées, nettoyées, gérées, interprétées et mobilisées. Dans les dernières années, des efforts considérables ont été déployés pour bien exploiter les données issues des eaux usées dans deux secteurs en particulier : au sein des StaRRE pour la création de 'jumeaux numériques' -- des modèles servant à simuler en temps-réel l'état des systèmes d'assainissement afin d'en améliorer le contrôle et l'opération -- et au niveau des réseaux d'égouts pour la surveillance du virus SARS-CoV-2 dans les eaux usées des populations. Cette thèse de doctorat porte sur le point d'intersection entre les StaRRE et la surveillance épidémiologique des eaux usées : leur soif de données de bonne qualité et suffisamment contextualisées pour être utilisables. La thèse commence avec une revue de littérature pour chaque domaine couvrant leur utilisation des données. Les efforts réalisés pour améliorer l'utilisation des données de la StaRRE pil*EAU*te(une StaRRE à l'échelle pilote située à l'Université Laval), sont alors présentés. La thèse décrit ensuite les efforts déployés pour créer un modèle de données pour l'organisation et l'interprétation des données de surveillance épidémiologique des eaux usées (WBE), le PHES-ODM. Un exemple de mobilisation de données de WBE pour le support à la décision en santé publique à l'aide de l'apprentissage automatique est alors présenté. / Wastewater systems, including sewer networks and Water Resource Recovery Facilities (WRRFs), face significant challenges due to urbanization, accelerating climate change, and new infectious diseases. These pressures demand stricter sanitation permits and more intensive resource extraction, demands that are compounded by a shortage of qualified workers in industrial economies. Advancements in data collection techniques, such as sensors and analysis protocols, can aid sanitation systems in meeting these challenges with the vast amounts of data they generate. However, to be valuable, this data must be properly processed, cleaned, managed, and interpreted. Considerable efforts have been made to utilize data from sanitation systems, particularly in two key areas: the creation of 'digital twins' in WRRFs to simulate real-time treatment processes for improved operation, optimization and control, and the use of Wastewater-Based Epidemiology (WBE) in sewer systems in response to the SARS-CoV-2 pandemic. This Ph. D. thesis investigates the critical intersection between WRRFs and WBE systems, emphasizing their need for high-quality, contextualized, and actionable data. The research begins with a literature review of each domain, applying the concept of data pipelines to wastewater systems and identifying bottlenecks that hinder knowledge creation. The pil*EAU*te pilot wastewater treatment plant at Université Laval serves as a testing ground for innovative metadata-aware data manipulation tools. The focus then shifts to the WBE domain, where a data model for storing and organizing data and metadata -- the Public Health Environmental Surveillance Open Data Model -- is developed. The final section explores how Wastewater-Based Epidemiology data, combined with machine learning, can support short-term decision-making in epidemic scenarios.

Le but de cette étude était d'identifier les facteurs influençant les répondants légaux à consentir au don de tissus humains d'un proche décédé. La théorie du comportement interpersonnel de Triandis fut utilisée pour comprendre ce comportement. Toutefois, les variables de la théorie du comportement planifié d'Ajzen ont aussi été vérifiées dans l'éventualité où le modèle de Triandis ne suffirait pas à prédire le comportement. La population participant à cette recherche fut les employés et bénévoles d'Héma-Québec, une banque de sang. Un instrument de mesure a été développé à partir des croyances saillantes recueillies auprès d'un petit groupe de cette population. Cent vingt-six participants ont complété un questionnaire à questions fermées. Suite aux analyses statistiques, il a été démontré que le modèle de Triandis prédit moins l'intention à consentir au don de tissus humains que le modèle d'Ajzen. En réponse à la question de recherche, les trois variables du modèle d'Ajzen qui permettent le mieux de prédire le comportement sont l'attitude, la perception du contrôle et les croyances normatives. La variable éthique de la bienfaisance permet d'expliquer plus de variance lorsqu'ajoutée à ce modèle. L'âge, le sexe, le niveau de scolarité, le niveau de connaissance du sujet et le fait de connaître ou pas les volontés du proche décédé n'ont aucun impact sur l'intention des répondants légaux à consentir au don de tissus humains d'un proche décédé. Pour le futur, il serait souhaitable d'utiliser les résultats obtenus de la présente recherche afin de développer un plan d'intervention pour favoriser le taux de don de tissus humains.