L'agrégation d'activités pour l'identification de catégories de comportements est un enjeu majeur de tous les systèmes socio-techniques complexes actuels. La question clé consiste à réaliser une synthèse de façons de faire (ou praxies) intégrant la variabilité des opérateurs humains impliqués. Dans un cadre aéronautique, l'agrégation d'activités de pilotage vise à accélérer la détermination de procédures améliorant la sécurité des vols et l'efficacité des missions ; elle repose sur les données objectives des paramètres enregistrés des phases de vol significatives et se structure grâce à une interprétation experte. Un modèle d’Agrégation Supervisée : - décomposition, - maïeutique, - reconstruction, est ainsi établi dans cette thèse. Le cœur en est la 2e étape qui généralise et enrichit le concept de « moyenne » classique des approches probabilistes : une base d'apprentissage, constituée d'activités déterminées et caractérisées par l'interprétation experte, est utilisée pour identifier les motifs significatifs de paramètres enregistrés, c'est à dire les praxies qui agrègent donc les éléments essentiels des activités. Ceux-ci sont choisis au sein d'un ensemble de motifs paramétrables génériques, dont les divers seuils sont ajustés de manière incrémentale. Les motifs sont alors évalués selon les deux critères intrinsèques de cohérence et de pertinence de leurs seuils, ainsi que le critère extrinsèque de la conformité des résultats obtenus par leur utilisation aux vols de la base d'apprentissage. Peuvent à ce niveau se faire jour des groupements parmi les éléments de la base d'apprentissage, selon les motifs rendant compte des activités particulières. L'expertise doit également être généralisable pour permettre l'étude de plusieurs points-clé dans cette étape maïeutique.Ce modèle générique définit une activité comme une structure formelle de praxies, et ouvre la voie à un enrichissement de la 3e étape intégrant la multiplicité des rôles des opérateurs. / Aggregating activities in order to identify categories of behaviour is a major topic of actual complex socio-technical systems. The key issue lies in incorporating the variability of implied human operators in the synthesis of ways of doing (or praxis). Aggregation of piloting activities is directed to allow a faster and more secure determination of procedures enhancing flight security and mission efficiency; it is based on the objective data of flight parameters recorded during significant flight phases, and is carried under thorough expert interpretation.A Supervised Aggregation model, consisting in the 3 steps of 1) decomposition, 2) maieutics, and 3) reconstruction, is thus devised in the present PhD. At the heart of this aggregation process, the 2nd maieutic step generalizes and enriches the usual concept of ''mean'', deeply related to probabilistic approaches: a set of activities analyzed and characterized by the expert, the learning basis, is related to significant patterns in the lot of recorded flight parameter values, in other words the praxis resulting of the aggregation of the activities. The patterns are selected from a collection of customizable generic patterns, whose thresholds are incrementally adjusted using the learning basis. The obtained patterns are then assessed according to the three criteria of 1) coherence and 2) likelihood of the thresholds, as well as the 3) conformity of these patterns used on the learning basis. At this stage, groups among the studied behaviours might emerge, gathering those for which an activity would be depicted by similar patterns. Expert-knowledge must be generalized in order to perform the joint analysis of several key points in this maieutic step.This generic model defines an activity as a formal structure of praxis, paving the way towards the further developments of the process, through the enrichment of the 3rd step, incorporating the multiplicity of operating roles.

Le premier aspect de ce travail concerne le pré-traitement et l'analyse de données d'expression dans le cadre de deux principaux projets dont l'objectif global est d'améliorer le diagnostic et le pronostic du cancer du sein et de mieux cibler les traitements. Un processus de pré-traitement des données d'expression optimisé a été mis en place et plusieurs analyses ont été réalisées et ont permis d'identifier des gènes permettant de mettre en evidence un profil d'expression caractéristique du statut ganglionnaire des patientes et de la réponse thérapeutique à un traitement chimiothérapeutique particulier, le doxétaxel. Une nouvelle technique de reconstruction de réseaux de gènes basée sur la notion de règles entre gènes a ensuite été proposée, l'idée étant d'offrir aux biologistes la possibilité de choisir parmi plusieurs sémantiques, le sens des règles qu'ils souhaitent générer. L'originalité de ce travail est de proposer un cadre global pouvant inclure un grand nombre de sémantiques pour les règles et d'utiliser des méthodes identiques de génération, de post-traitement et de visualisation pour toutes les sémantiques proposées. La notion de sémantiques bien-formées i.e. pour lesquelles les axiomes d'Armstrong sont justes et complets, est introduite. Un résultat est également donné permettant de savoir simplement si une sémantique est ou non bien-formée. Une visualisation des règles sous forme globaux i.e. incluant plusieurs sémantiques est proposée. Finalement, cette approche a été développée sous forme d'un module appelé RG intégré à un logiciel d'analyse de données d'expression de gènes, le logiciel MeV de TIGR. Ce travail s'inscrit dans le contexte émergent de la fouille de données d'expression de gènes. Elle s'est déroulée, dans le cadre d'un contrat CIFRE au sein de trois structures : la société Diagnogène, le LIMOS et le Centre de Lutte contre le Cancer de la Région Auvergne