La détermination des propriétés physiques de l'eau pure, notamment la pression de vapeur saturante en fonction de la température, est un enjeu majeur en humidité et identifié comme tel par le Comité Consultatif de Thermométrie (CCT-WG6) sous-groupe Humidité du Comité Technique de Température (TC-T) afin d'améliorer les incertitudes des références nationales en humidité. A cette fin, le LNE-CETIAT et le LNE-Cnam ont développé conjointement un dispositif expérimental permettant d'accéder au couple température / pression de vapeur saturante de l'eau pure. Le principe est basé sur une mesure statique de la pression et de la température dans une cellule d'équilibre associée à un calorimètre quasi-adiabatique. La gamme de température d'équilibre couverte s'étend de 193,15 K à 373,15 K, correspondant à une pression de vapeur saturante allant de 0,06 Pa à 105 Pa.Ce travail présente la description, la réalisation et la caractérisation métrologique de ce nouveau dispositif expérimentale. Les résultats des mesures expérimentales sont comparés avec les travaux théoriques et expérimentaux les plus récents. Le budget d'incertitude finale prend en compte la contribution de la mesure de pression, de la mesure de température et des effets parasites telles que la transpiration thermique et la pression aérostatique. Grace aux différentes solutions mises en œuvre, la contribution des mesures de température dans le bilan d'incertitude globale est réduite. La part prépondérante reste essentiellement associée à la mesure de pression.

La détermination des propriétés physiques de l’eau pure, notamment la pression de vapeur saturante en fonction de la température, est un enjeu majeur en humidité et identifié comme tel par le Comité Consultatif de Thermométrie (CCT-WG6) sous-groupe Humidité du Comité Technique de Température (TC-T) afin d’améliorer les incertitudes des références nationales en humidité. A cette fin, le LNE-CETIAT et le LNE-Cnam ont développé conjointement un dispositif expérimental permettant d’accéder au couple température / pression de vapeur saturante de l’eau pure. Le principe est basé sur une mesure statique de la pression et de la température dans une cellule d’équilibre associée à un calorimètre quasi-adiabatique. La gamme de température d’équilibre couverte s’étend de 193,15 K à 373,15 K, correspondant à une pression de vapeur saturante allant de 0,06 Pa à 105 Pa.Ce travail présente la description, la réalisation et la caractérisation métrologique de ce nouveau dispositif expérimentale. Les résultats des mesures expérimentales sont comparés avec les travaux théoriques et expérimentaux les plus récents. Le budget d'incertitude finale prend en compte la contribution de la mesure de pression, de la mesure de température et des effets parasites telles que la transpiration thermique et la pression aérostatique. Grace aux différentes solutions mises en œuvre, la contribution des mesures de température dans le bilan d’incertitude globale est réduite. La part prépondérante reste essentiellement associée à la mesure de pression. / The determination of the physical properties of pure water, especially the vapor-pressure curve, is one of the major issues identified by the Consultative Committee for Thermometry (CCT) of the technical committee in thermometry sub-field hygrometry to improve the accuracy of the national references in humidity.In order to achieve this objective, the LNE-CETIAT and the LNE-Cnam have jointly built a facility dedicated to the measurement of the saturation vapor pressure and temperature of pure water. The principle is based on a static measurement of the pressure and the temperature of pure water in a closed, temperature-controlled thermostat, conceived like a quasi-adiabatic calorimeter. The explored temperature range lies between 193,15 K and 373,15 K, and the pressure range between 0,06 Pa and 105 Pa.This work presents a full description of this facility and the preliminary results obtained for its characterization. The obtained results have been compared with available literature data. The final uncertainty budget took into account several components: pressure measurements, temperature measurements and environmental error sources such as thermal transpiration and hydrostatic pressure correction. Thanks to the employment of several technical solutions, the thermal contribution to the overall uncertainty budget is reduced, and the remaining major part is mainly due to pressure measurements.

L'immense potentiel des approches d'apprentissage par renforcement profond (ARP) pour la conception d'agents autonomes a été démontré à plusieurs reprises au cours de la dernière décennie. Son application à des agents physiques, tels que des robots ou des réseaux électriques automatisés, est cependant confrontée à plusieurs défis. Parmi eux, l'inefficacité de leur échantillonnage, combinée au coût et au risque d'acquérir de l'expérience dans le monde réel, peut décourager tout projet d'entraînement d'agents incarnés. Dans cette thèse, je me concentre sur l'application de l'ARP sur des agents physiques. Je propose d'abord un cadre probabiliste pour améliorer l'efficacité de l'échantillonnage dans l'ARP. Dans un premier article, je présente la pondération BIV (batch inverse-variance), une fonction de perte tenant compte de la variance du bruit des étiquettes dans la régression bruitée hétéroscédastique. La pondération BIV est un élément clé du deuxième article, où elle est combinée avec des méthodes de pointe de prédiction de l'incertitude pour les réseaux neuronaux profonds dans un pipeline bayésien pour les algorithmes d'ARP avec différences temporelles. Cette approche, nommée apprentissage par renforcement à variance inverse (IV-RL), conduit à un entraînement nettement plus rapide ainsi qu'à de meilleures performances dans les tâches de contrôle. Dans le troisième article, l'apprentissage par renforcement multi-agent (MARL) est appliqué au problème de la réponse rapide à la demande, une approche prometteuse pour gérer l'introduction de sources d'énergie renouvelables intermittentes dans les réseaux électriques. En contrôlant la coordination de plusieurs climatiseurs, les agents MARL obtiennent des performances nettement supérieures à celles des approches basées sur des règles. Ces résultats soulignent le rôle potentiel que les agents physiques entraînés par MARL pourraient jouer dans la transition énergétique et la lutte contre le réchauffement climatique. / The immense potential of deep reinforcement learning (DRL) approaches to build autonomous agents has been proven repeatedly in the last decade. Its application to embodied agents, such as robots or automated power systems, is however facing several challenges. Among them, their sample inefficiency, combined to the cost and the risk of gathering experience in the real world, can deter any idea of training embodied agents. In this thesis, I focus on the application of DRL on embodied agents. I first propose a probabilistic framework to improve sample efficiency in DRL. In the first article, I present batch inverse-variance (BIV) weighting, a loss function accounting for label noise variance in heteroscedastic noisy regression. BIV is a key element of the second article, where it is combined with state-of-the-art uncertainty prediction methods for deep neural networks in a Bayesian pipeline for temporal differences DRL algorithms. This approach, named inverse-variance reinforcement learning (IV-RL), leads to significantly faster training as well as better performance in control tasks. In the third article, multi-agent reinforcement learning (MARL) is applied to the problem of fast-timescale demand response, a promising approach to the manage the introduction of intermittent renewable energy sources in power-grids. As MARL agents control the coordination of multiple air conditioners, they achieve significantly better performance than rule-based approaches. These results underline to the potential role that DRL trained embodied agents could take in the energetic transition and the fight against global warming.