Dans cette thèse, nous étudions empiriquement les liens de causalité, au sens de Granger, entre le développement financier et la croissance économique dans le cadre de l'UEMOA et de la CEDEAO. La plupart des études dans ce domaine sont réalisées dans les domaine temporel. Ici, nous associons les domaines temporel et fréquentiel par l'utilisation de modèles multivectoriels autorégressifs. Pour ce faire, nous utilisons la méthode de décomposition de Geweke (1982, 1984) améliorée par Chen et al. (2008) afin d'obtenir, en plus des relations causales temporelles et fréquentielles, les causalités instantanées et la dépendance. Cette thèse apporte aussi une contribution théorique en proposant une méthode de calcul des p-values plus adaptée aux échantillons de petite taille. Les applications portent d'abord sur les relations causales entre finance et croissance dans les domaines temporel et spectral. Ensuite, nous examinons l'influence de l'inflation sur ces relations. Enfin, nous étudions les relations causales entre croissance et Investissements Directs Etrangers (IDE) conditionnellement au développement financier et à l'ouverture économique. / The framework of Geweke (1982, 1984) improved by Chen et al. (2008)is used in this thesis to conduct Granger causality between finance and growth in the context of West Africa. We adopt the time - and frequency- approaches to bring out instantaneous causality and dependence by employing vector autoregressive models. In this work, we propose p-values computations more suitable for small sample size. Empirical investigations examine, successively, causal links between finance and growth, the impact of inflation on these links, and the conditional relationships between growth and Foreign Direct Investment (FDI) to financial development and economic openness.

Les événements de pluies extrêmes et les inondations qui en résultent constituent une préoccupation majeure en France comme dans le monde. Dans le domaine de l'ingénierie, les méthodes d'analyse probabiliste sont pratiquement utilisées pour prédire les risques, dimensionner des ouvrages hydrauliques et préparer l'atténuation. Ces méthodes sont classiquement basées sur l'hypothèse que les observations sont identiquement distribuées. Il y a aujourd'hui de plus en plus d'éléments montrant que des variabilités climatiques à grande échelle (par exemple les oscillations El Niño – La Niña, cf. indice ENSO) ont une influence significative sur les précipitations dans le monde. Par ailleurs, les effets attendus du changement climatique sur le cycle de l'eau remettent en question l'hypothèse de variables aléatoires "identiquement distribuées" dans le temps. Il est ainsi important de comprendre et de prédire l'impact de la variabilité et du changement climatique sur l'intensité et la fréquence des événements hydrologiques, surtout les extrêmes. Cette thèse propose une étape importante vers cet objectif, en développant un cadre spatio-temporel d'analyse probabiliste régionale qui prend en compte les effets de la variabilité climatique sur les événements hydrologiques. Les données sont supposées suivre une distribution, dont les paramètres sont liés à des variables temporelles et/ou spatiales à l'aide de modèles de régression. Les paramètres sont estimés avec une méthode de Monte-Carlo par Chaînes de Markov dans un cadre Bayésien. La dépendance spatiale des données est modélisée par des copules. Les outils de comparaison de modèles sont aussi intégrés. L'élaboration de ce cadre général de modélisation est complétée par des simulations Monte-Carlo pour évaluer sa fiabilité. Deux études de cas sont effectuées pour confirmer la généralité, la flexibilité et l'utilité du cadre de modélisation pour comprendre et prédire l'impact de la variabilité climatique sur les événements hydrologiques. Ces cas d'études sont réalisés à deux échelles spatiales distinctes: • Echelle régionale: les pluies d'été dans le sud-est du Queensland (Australie). Ce cas d'étude analyse l'impact de l'oscillation ENSO sur la pluie totale et la pluie maximale d'été. En utilisant un modèle régional, l'impact asymétrique de l'ENSO est souligné: une phase La Niña induit une augmentation significative sur la pluie totale et maximale, alors qu'une phase El Niño n'a pas d'influence significative. • Echelle mondiale: une nouvelle base de données mondiale des précipitations extrêmes composée de 11588 stations pluviométriques est utilisée pour analyser l'impact des oscillations ENSO sur les précipitations extrêmes mondiales. Cette analyse permet d'apprécier les secteurs où ENSO a un impact sur les précipitations à l'échelle mondiale et de quantifier son impact sur les estimations de quantiles extrêmes. Par ailleurs, l'asymétrie de l'impact ENSO et son caractère saisonnier sont également évalués. / Extreme precipitations and their consequences (floods) are one of the most threatening natural disasters for human beings. In engineering design, Frequency Analysis (FA) techniques are an integral part of risk assessment and mitigation. FA uses statistical models to estimate the probability of extreme hydrological events which provides information for designing hydraulic structures. However, standard FA methods commonly rely on the assumption that the distribution of observations is identically distributed. However, there is now a substantial body of evidence that large-scale modes of climate variability (e.g. El-Niño Southern Oscillation, ENSO; Indian Ocean Dipole, IOD; etc.) exert a significant influence on precipitation in various regions worldwide. Furthermore, climate change is likely to have an influence on hydrology, thus further challenging the “identically distributed” assumption. Therefore, FA techniques need to move beyond this assumption. In order to provide a more accurate risk assessment, it is important to understand and predict the impact of climate variability/change on the severity and frequency of hydrological events (especially extremes). This thesis provides an important step towards this goal, by developing a rigorous general climate-informed spatio-temporal regional frequency analysis (RFA) framework for incorporating the effects of climate variability on hydrological events. This framework brings together several components (in particular spatio-temporal regression models, copula-based modeling of spatial dependence, Bayesian inference, model comparison tools) to derive a general and flexible modeling platform. In this framework, data are assumed to follow a distribution, whose parameters are linked to temporal or/and spatial covariates using regression models. Parameters are estimated with a Monte Carlo Markov Chain method under the Bayesian framework. Spatial dependency of data is considered with copulas. Model comparison tools are integrated. The development of this general modeling framework is complemented with various Monte-Carlo experiments aimed at assessing its reliability, along with real data case studies. Two case studies are performed to confirm the generality, flexibility and usefulness of the framework for understanding and predicting the impact of climate variability on hydrological events. These case studies are carried out at two distinct spatial scales: • Regional scale: Summer rainfall in Southeast Queensland (Australia): this case study analyzes the impact of ENSO on the summer rainfall totals and summer rainfall maxima. A regional model allows highlighting the asymmetric impact of ENSO: while La Niña episodes induce a significant increase in both the summer rainfall totals and maxima, the impact of El Niño episodes is found to be not significant. • Global scale: a new global dataset of extreme precipitation including 11588 rainfall stations worldwide is used to describe the impact of ENSO on extreme precipitations in the world. This is achieved by applying the regional modeling framework to 5x5 degrees cells covering all continental areas. This analysis allows describing the pattern of ENSO impact at the global scale and quantifying its impact on extreme quantiles estimates. Moreover, the asymmetry of ENSO impact and its seasonal pattern are also evaluated.

La répétition d’efforts de faible intensité provoque de la fatigue musculaire et représente un facteur de risque de développement des troubles musculosquelettiques (TMS) à l’épaule. La détection de la fatigue musculaire permettrait de meilleures interventions de prévention de TMS liés au travail répétitif. L’objectif de ce mémoire est de développer de nouveaux indicateurs permettant d’évaluer le mouvement des travailleurs à l’aide de capteurs inertiels portatifs afin d’offrir un outil d’évaluation du niveau de fatigue employable sur le terrain. Pour ce faire, vingt-quatre travailleurs ont réalisé une tâche de travail avant et après une tâche de pointage répétitif (RPT) générant de la fatigue musculaire. La fatigue était évaluée à l’aide de l'échelle CR10 de Borg toutes les 30s et d’une contraction maximale réalisée toutes les 2 minutes. Des données de capteurs inertiels, positionnés sur le tronc et les membres supérieurs des travailleurs, ont été analysées en temps-fréquence et leur coordination inter-segment calculée afin d’extraire des indicateurs de fatigue. Les résultats montrent une augmentation du spectre de puissance et de la variabilité de la coordination sur les segments proximaux du haut du corps (tête, sternum, bassin, épaule, bras, avant-bras et main) pendant la RPT. Aussi, une augmentation du spectre de puissance moyen a été observée sur les segments du bras (main, avant-bras et bras supérieur) pendant la tâche de travail réalisée immédiatement après la RPT. En conclusion, il semblerait possible, en observant de tels changements cinématiques, de détecter la fatigue musculaire des travailleurs en industrie à l’aide de capteurs inertiels. / The repetition of low-intensity efforts causes muscle fatigue and represents a risk factor for the development of musculoskeletal disorders (MSD) in the shoulder. The detection of muscle fatigue would allow for better interventions to prevent MSDs related to repetitive work. The objective of this dissertation is to develop new indicators to evaluate the movement of workers using portable inertial sensors to provide a tool for evaluating the level of fatigue that can be used in the field. To do this, twenty-four workers performed a work task before and after a repetitive pointing task (RPT) generating muscle fatigue. Fatigue was assessed using the Borg CR10 scale every 30s and a maximal contraction performed every 2 minutes. Data from inertial sensors, positioned on the trunk and upper limbs of the workers, were analyzed in time-frequency and their inter-segment coordination calculated to extract indicators of fatigue. The results show an increase in the power spectrum and coordination variability on the proximal upper body segments (head, sternum, pelvis, shoulder, arm, forearm and hand) during RPT. Also, an increase in the average power spectrum was observed over the arm segments (hand, forearm, and upper arm) during the work task performed immediately after RPT. In conclusion, it would seem possible, by observing such changes in kinematics, to detect muscle fatigue in industrial workers using inertial sensors.