L'Aide Multicritère à la Décision (AMCD) vise à aider un décideur (DM) confronté à un problème de décision impliquant plusieurs objectifs contradictoires. Les préférences du DM jouent un rôle important au sein du processus d'aide à la décision, puisque les recommandations ne sont pertinentes et acceptables que si le système de valeurs du DM est pris en considération. Un outil d'élicitation des préférences est donc nécessaire pour aider l'analyste à intégrer les préférences du DM de façon appropriée dans les modèles de décision. Nous sommes intéressés par le développement d'outils d'élicitation des préférences pour deux modèles d'agrégation basés sur des points de référence à savoir Electre Tri et une méthode de Rangement basé sur des Points de Référence multiples (RPM). Tout d'abord, nous considérons Electre Tri en utilisant la règle d'affectation optimiste. Nous proposons un outil d'élicitation des préférences, qui infère les paramètres de préférence de ce modèle à partir d'exemples d'affectation du DM, et analyse également la robustesse des affectations résultant de la nature imprécise de l'information préférentiel. En second lieu, un outil d'élicitation des préférences est développé pour le problème de sélection de portefeuille formulée comme des problèmes de tri contraint en utilisant Electre Tri. Les préférences du DM à la fois au niveau individuel et au niveau du portefeuille sont considérés pour infère le modèle Electre Tri. Le modèle élicité évalue intrinsèquement les individus et sélectionne simultanément un portefeuille satisfaisant comme un groupe. Troisièmement, nous nous intéressons à l'élicitation des préférences pour le modèle RPM, qui détermine un pré-ordre comparant des alternatives avec des points de référence. Nous proposons un outil qui infère un modèle RPM parcimonieux à partir de comparaisons par paires du DM. Enfin, trois web services implémentent des outils d'élicitation des préférences pour Electre Tri et ont été intégrées au logiciel de Decision Deck. Les outils d'élicitation des préférences proposés consistent en des algorithmes qui résolvent des programmes linéaires en nombres mixtes. Des expériences numériques approfondies ont été réalisées pour étudier la performance et le comportement des outils d'élicitation proposées. Ces expériences éclairent sur l'applicabilité pratique de ces outils. De plus, les outils ont été appliqués avec succès à trois cas.

La mise à disposition d'information et de services spatiaux a récemment proliféré sur le web dans la mesure où la plupart de nos activités quotidiennes sont géo-réferencées. Les communautés d'utilisateurs de services spatiaux sur le web sont de plus larges et variées, en constante expansion et transformation avec une augmentation constante des gammes d'applications proposées. Cette profusion d'applications entraîne un nombre important de problématiques de recherche, et notamment celles liées à l'identification des intérêts et des préférences de l'utilisateur, afin d'adapter les services délivrés aux besoins du client. Cette recherche propose une architecture intégrée de modélisation de profils d'utilisateur et d'approximation de leurs préférences, et de mise à disposition de services personnalisés orientés vers l'information spatiale. L'architecture proposée se compose d'un service de personnalisation et d'un modèle sémantique orienté utilisateur. Ces deux composants communiquent des informations sur l'utilisateur par des processus interactifs. Ce service de personalisation est basé sur trois principes : la mémoire associative neurale bi-directionnelle, des mesures contextuelles et spatiales orientées-utilisateur de proximité et de similarité, des schémas d'image et des concepts d'affordance. Ces concepts sont implémentés à partir d'une interface utilisateur qui intègre les différents composants identifiés, et offre un éventail de stratégies personnalisées de recherche, et un moteur hybride de personnalisation. Le modèle d'utilisateur utilise des logiques expressives de description pour caractériser les différentes catégories d'utilisateur, afin d'adapter les besoins d'utilisateur aux exigences d'une application. Un scénario dans le domaine du tourisme et un prototype Java réalisent une validation expérimentale de notre recherche à partir de techniques de personnalisation.

L’Aide Multicritère à la Décision (AMCD) vise à aider un décideur (DM) confronté à un problème de décision impliquant plusieurs objectifs contradictoires. Les préférences du DM jouent un rôle important au sein du processus d'aide à la décision, puisque les recommandations ne sont pertinentes et acceptables que si le système de valeurs du DM est pris en considération. Un outil d'élicitation des préférences est donc nécessaire pour aider l'analyste à intégrer les préférences du DM de façon appropriée dans les modèles de décision. Nous sommes intéressés par le développement d’outils d'élicitation des préférences pour deux modèles d'agrégation basés sur des points de référence à savoir Electre Tri et une méthode de Rangement basé sur des Points de Référence multiples (RPM). Tout d'abord, nous considérons Electre Tri en utilisant la règle d’affectation optimiste. Nous proposons un outil d'élicitation des préférences, qui infère les paramètres de préférence de ce modèle à partir d’exemples d’affectation du DM, et analyse également la robustesse des affectations résultant de la nature imprécise de l'information préférentiel. En second lieu, un outil d'élicitation des préférences est développé pour le problème de sélection de portefeuille formulée comme des problèmes de tri contraint en utilisant Electre Tri. Les préférences du DM à la fois au niveau individuel et au niveau du portefeuille sont considérés pour infère le modèle Electre Tri. Le modèle élicité évalue intrinsèquement les individus et sélectionne simultanément un portefeuille satisfaisant comme un groupe. Troisièmement, nous nous intéressons à l’élicitation des préférences pour le modèle RPM, qui détermine un pré-ordre comparant des alternatives avec des points de référence. Nous proposons un outil qui infère un modèle RPM parcimonieux à partir de comparaisons par paires du DM. Enfin, trois web services implémentent des outils d'élicitation des préférences pour Electre Tri et ont été intégrées au logiciel de Decision Deck. Les outils d’élicitation des préférences proposés consistent en des algorithmes qui résolvent des programmes linéaires en nombres mixtes. Des expériences numériques approfondies ont été réalisées pour étudier la performance et le comportement des outils d'élicitation proposées. Ces expériences éclairent sur l’applicabilité pratique de ces outils. De plus, les outils ont été appliqués avec succès à trois cas. / Multiple Criteria Decision Aid (MCDA) aims at supporting decision makers (DM) facing decisions involving several conflicting objectives. DM's preferences play a key role in the decision aiding process, since the recommendations are meaningful and acceptable only if the DM's values are taken into consideration. A preference elicitation tool is therefore necessary to help the analyst to incorporate appropriately the DM's preferences in the decision models. We are interested in developing preference elicitation tools for two aggregation models based on reference points, namely Electre Tri and a new Ranking method based on Multiple reference Points (RMP). Firstly, we consider Electre Tri using the optimistic assignment rule. We propose a preference elicitation tool which elicits the preference parameters of the model from assignment examples provided by the DM, and also analyzes the robustness of the assignments related to the imprecise nature of the preference information. Secondly, a preference elicitation tool is developed for portfolio selection problems. These problems are formulated as constrained sorting problems using Electre Tri. The DM's preferences both at the individual and portfolio level are considered to elicit the Electre Tri model. The elicited model evaluates intrinsically the individuals and simultaneously selects a satisfactory portfolio as a group. Thirdly, we are interested in preference elicitation for RMP model, which determines a weak order by comparing alternatives with reference points. A preference elicitation tool is provided which infers a parsimonious RMP model from the DM's pairwise comparisons. Lastly, three web services implementing the preference elicitation tools for Electre Tri have been developed and integrated to Decision Deck software. The proposed preference elicitation tools consist of algorithms solving mixed integer programs. Extensive numerical experiments have been performed to study the performance and behavior of the proposed elicitation tools to give insights into their applicability in practice. Moreover, the tools have been successfully applied to three real-world cases.

L’utilisation de préférences suscite un intérêt croissant pour personnaliser des réponses aux requêtes et effectuer des recommandations ciblées. Pourtant, la construction manuelle de profils de préférences reste à la fois complexe et consommatrice de temps. Dans ce contexte, nous présentons dans cette thèse une nouvelle méthode automatique d’extraction de préférences basée sur des techniques de fouille de données. L’approche que nous proposons est constituée de deux phases : (1) une phase d’extraction de toutes les règles de préférences contextuelles intéressantes et (2) une phase de construction du profil utilisateur. A la fin de la première phase, nous constatons qu’il y a des règles redondantes voir superflues ; la seconde phase permet d’éliminer les règles superflues afin d’avoir un profil concis et consistant. Dans notre approche, un profil utilisateur est constitué de cet ensemble de règles de préférences contextuelles résultats de la seconde phase. La consistance garantit que les règles de préférences spécifiant les profils sont en accord avec un grand nombre de préférences utilisateur et contredisent un petit nombre d’entre elles. D’autre part, la concision implique que les profils sont constitués d’un petit nombre de règles de préférences. Nous avons aussi proposé quatre méthodes de prédiction qui utilisent les profils construits. Nous avons validé notre approche sur une base de données de films construite à partir de MovieLens et IMDB. La base de données contient 3 881 films notés par 6 040 utilisateurs. Ces derniers ont attribué 800 156 notes. Les résultats de ces expériences démontrent que la concision des profils utilisateurs est contrôlée par le seuil d’accord minimal et que même avec une forte réduction du nombre de règles, les qualités de prédiction des profils restent à un niveau acceptable. En plus des expérimentations montrant la qualité de prédiction de notre approche, nous avons montré également que les performances de notre approche peuvent rivaliser avec les qualités de prédiction de certaines méthodes de l’état de l’art, en particulier SVMRank. / The use of preferences arouses a growing interest to personalize response to requests and making targeted recommandations. Nevertheless, manual construction of preferences profiles remains complex and time-consuming. In this context, we present in this thesis a new automatic method for preferences elicitation based on data mining techniques. Our proposal is a two phase algorithm : (1) Extracting all contextual preferences rules from a set of user preferences and (2) Building user profile. At the end of the first phase, we notice that there is to much preference rules which satisfy the fixed constraints then in the second phase we eliminate the superfluous preferences rules. In our approach a user profile is constituted by the set of contextual preferences rules resulting of the second phase. A user profile must satisfy conciseness and soundness properties. The soundness property guarantees that the preference rules specifying the profiles are in agreement with a large set of the user preferences, and contradict a small number of them. On the other hand, conciseness implies that profiles are small sets of preference rules. We also proposed four predictions methods which use the extracted profiles. We validated our approach on a set of real-world movie rating datasets built from MovieLens and IMDB. The whole movie rating database consists of 800,156 votes from 6,040 users about 3,881 movies. The results of these experiments demonstrates that the conciseness of user profiles is controlled by the minimal agreement threshold and that even with strong reduction, the soundness of the profile remains at an acceptable level. These experiment also show that predictive qualities of some of our ranking strategies outperform SVMRank in several situations.

Cette thèse s'inscrit dans le cadre de la théorie de la décision algorithmique, qui est une discipline au croisement de la théorie de la décision, la recherche opérationnelle et l'intelligence artificielle. Dans cette thèse, nous étudions l'utilisation de plusieurs modèles décisionnels pour résoudre des problèmes de décision séquentielle dans l'incertain, d'optimisation robuste, et d'optimisation multi-agents équitable. Pour résoudre efficacement ces problèmes, nous utilisons des méthodes de type maître-esclaves, dites à base d'oracles dans la thèse. Ces méthodes permettent de résoudre des problèmes de grande taille en procédant de manière incrémentale. Une attention particulière est portée au modèle de l'espérance d'utilité antisymétrique et bilinéaire, au modèle de l'espérance d'utilité pondérée et à leurs pendants en décision multicritère. L'intérêt de ces modèles est multiple. En effet, ils étendent les modèles standards (e.g., modèle de l'espérance d'utilité) et permettent de représenter un spectre étendu de préférences tout en conservant leurs bonnes propriétés théoriques et algorithmiques. La thèse apporte des réponses sur des aspects théoriques (e.g., résultats de complexité algorithmique) et sur des aspects opérationnels (e.g., conception de méthodes de résolution efficaces) aux problèmes soulevés par l'emploi de ces critères dans les contextes susmentionnés. / This thesis falls within the area of algorithmic decision theory, which is at the crossroads between decision theory, operational research and artificial intelligence. In this thesis, we study several decision models to solve problems in different domains: sequential decision problems under risk, robust optimization problems, and fair multi-agent optimization problems. To solve these problems efficiently, we use master-slave algorithms which solve the problem through an incremental process. These procedures, referred to as oracle methods in the thesis, make it possible to solve problems of large size. A particular attention is given to the skew-symmetric bilinear utility model, the weighted expected utility model and their counterparts in multicriteria decision making. These models are interesting at several respects. They extend the standard models (e.g., the expected utility model) and allow to represent a broader class of preferences while retaining their good theoretical and algorithmic properties. The thesis focuses both on theoretic (e.g., complexity results) and operational (e.g., design of practically efficient solution methods) aspects of the problems raised by the use of these criteria in the domains aforementioned.