L'exsudation racinaire est connue pour avoir une influence sur le fonctionnement des communautés microbiennes, en particulier celles impliquées dans le cycle de l'azote (Haichar et al, 2012). Elle est liée à la physiologie de la plante, cette dernière pouvant être évaluée via les traits fonctionnels végétaux, permettant une classification des plantes en fonction de leur performance dans leur environnement. Ainsi, nous pouvons distinguer d'une part les espèces exploitatrices, avec une efficience de la photosynthèse élevée et une acquisition rapide de l'azote dans les sols, et d'autre part les plantes conservatrices, possédant des caractéristiques contraires (Aerts & Chapin, 1999) et des plantes intermédiaires dont les caractéristiques sont intermediaires.L'objectif de ces travaux de thèse est de déterminer l'influence de la stratégie de gestion des ressources de 6 poacées, réparties le long d'un gradient de stratégie de gestion des ressources, allant de stratégies conservatrices (Sesleria caerulea et Festuca paniculata), intermédiaires (Antoxanthum odoratum, Bromus erectus) à des stratégies exploitatrices (Dactylis glomerata et Trisetum flavescens), sur la diversité et le fonctionnement des communautés totales et dénitrifiantes. I) Dans un premier temps nous avons étudié le lien entre la stratégie de gestion de ressources des plantes et la quantité d'exsudats racinaires dans le sol adhérent aux racines (SAR). Nous avons ensuite déterminé l'influence de la quantité d'exsudats racinaire sur les activités microbiennes potentielles des communautés microbiennes du SAR (respiration et dénitrification potentielles), puis par une approche ADN-SIP (Stable Isotope Probing) couplée à du séquençage haut-débit, l'influence de l'exsudation racinaire sur la structure et la diversité des communautés bactérienne colonisant le SAR et le système racinaire. II) Dans un second temps, nous avons étudié le lien entre la stratégie de gestion des ressources des plantes et la nature des exsudats racinaires libérés au niveau du SAR et présents dans les extraits racinaires en analysant les profils des métabolites primaires chez Festuca paniculata, Bromus erectus et Dactylis glomerata, représentant respectivement des stratégies de gestion des ressources conservative, intermédiaire et exploitatrice / Root exudation is known to influence microbial communities functioning, in particular those involve in nitrogen cycle. (Haichar et al, 2012). It’s linked to plant physiology, which can be evaluated with functional traits, allowing a plant distribution in function of their performance in their environment. Thus, we can distinguish competitive species, with higher photosynthetic capacity and rapid rates of N acquisition, conservative species with the opposite characteristics (Aerts & Chapin, 1999) and intermediate plants, with intermediate characteristics.The objective of this work is to determinate the influence of nutrient management strategiy of 6 poaceae, along a strategies gradient from conservative strategy (Sesleria caerulea and Festuca paniculata), intermediate (Antoxanthum odoratum and Bromus erectus) to competitive strategy (Dactylis glomerata and Trisetum flavescens), on diversity and functioning of total and denitrifying communities.I) Firstly, we studied the link between the plant nutrient management strategy and the root exudates quantity in the root adhering soil (RAS). Then, we determined the influence of the rate of root exudation on potential microbial activities (respiration and denitrification), and with a DNA-SIP (Stable Isotope Probing) approach coupled to high-throughput sequencing, the influence of root exudation on the bacterial structure and diversity of communities colonizing the RAS and the root system. II) Secondly, we studied the link between the plant nutrient management strategy and the nature of molecules exuded in RAS and present in root extracts by analyzing primary metabolites profile to Festuca paniculata, Bromus erectus and Dactylis glomerata, respectively a conservative, an intermediate and a competitive plant. Then, we determined the influence of primary metabolites profile of each plant on semi-real denitrification of communities colonizing RAS of plants. III) Finally, an mRNA-SIP approach is in progress to determine the influence of exuded metabolites on active bacterial communities functioning and the expression of genes involved in denitrification process in RAS and root system. Our results show an influence of the nutrient management strategy on the rate of carbon exudation, the competitive plants exuding more than conservatives ones.

No description available.

Il est essentiel de décrire la dynamique spatiale et temporelle des communautés de poissons pour comprendre le fonctionnement et les services des écosystèmes marins. Cette thèse a utilisé des données de surveillance scientifique à long terme pour caractériser les réponses fonctionnelles des communautés de poissons aux gradients environnementaux en baie de Somme, Manche orientale et mer du Nord. Les trois écosystèmes ont connu des hausses de température associées à une phase de réchauffement de l'oscillation multidécennale de l'Atlantique, ce qui a eu des impacts rapides sur la structure des communautés. Dans les trois écosystèmes, les réponses des communautés ont été médiées par des traits associés à l’habitat et à l’histoire de vie. Dans la mer du Nord et la Manche Est, les espèces pélagiques étaient les plus sensibles, ce qui s'explique probablement par leur mobilité et leur dispersion plus élevés. Cependant, au-delà de l'habitat, les espèces à stratégie démographique r (faible taille et âge à maturité, faible investissement parental, etc.) ont eu des réponses environnementales plus rapides. La pression historique de la pêche semble d’avoir rendu les communautés plus sensibles aux changements environnementaux en augmentant l'abondance relative des espèces pélagiques et à stratégie r. De plus, comme ces écosystèmes se sont réchauffés au cours des 30 dernières années, les réponses des communautés ont été caractérisées par une augmentation de la préférence thermique moyenne, ce qui suggère que le réchauffement climatique favorisera des espèces mieux adaptées aux conditions chaudes et que les espèces ayant des cycles de vie rapides seront les premières à répondre. / The ensemble of biological, geochemical, and physical processes that occur within ecosystems is driven by the interplay between biological communities and the abiotic environment. Explaining the spatial and temporal dynamics of biological communities in relation to environmental conditions is therefore essential for understanding ecosystem functioning, and ultimately for achieving sustainable development. In marine ecosystems, fish communities are key to ecosystem functioning, and fisheries provide livelihoods for over 10% of the world’s population. However, understanding the processes structuring fish communities remains difficult because community structure varies with both natural environmental fluctuations and, increasingly, human pressures. Effectively managing fisheries and marine ecosystems under global change therefore requires better characterizing fish community dynamics over time and space and disentangling the underlying drivers and mechanisms. While fish ecologists have traditionally relied on species-based approaches (i.e., taxonomic approaches) to study community structure, trait-based approaches (i.e., functional approaches) are increasingly used because they can provide better insight into community assembly and the mechanisms driving community responses. To meet this need for a better understanding of biodiversity dynamics, the present thesis took advantage of long-term scientific monitoring data to characterize the functional responses of fish communities to environmental gradients in the North Sea, Eastern English Channel, and Bay of Somme. All three ecosystems experienced temperature rises and oceanographic changes associated with a warming phase of the Atlantic Multidecadal Oscillation (AMO), which rapidly impacted fish community structure. Consistent biological responses were observed across the three ecosystems despite their different spatial scales, demonstrating that fish communities were affected by environmental change through bio-ecological traits associated with habitat preference and life history. In the North Sea and Eastern Channel, pelagic species were the most responsive and contributed largely to community dynamics, which is likely explained by their greater mobility, higher dispersal rates, and fewer habitat requirements. However, beyond habitat preference, species with r-selected life histories (e.g., low size and age at maturity, low parental investment, small offspring) had the fastest environmental responses whether or not they were pelagic, likely due to their rapid population turnover and generation time. Importantly, the way these species’ responses shaped community structure depended on environmental context. R-selected, pelagic species rapidly declined in the Bay of Somme and Eastern Channel, but rapidly increased in the North Sea. This likely reflects environmental suitability, indicating that after the phase change of the AMO, the Eastern Channel became a less favorable environment for these species, while the North Sea became more favorable. Thus, species with high mobility and fast life history cycles appear capable of rapidly tracking environmental conditions, shifting in abundance in response to environmental suitability. Additionally, as these ecosystems have warmed over the last 30 years, community responses were characterized by increases in mean thermal preference. Importantly, the amplitude of community changes was partially determined by communities’ initial structure and redundancy of bio-ecological traits, showing that community responses depended not only on environmental changes but also on biodiversity itself. Lastly, while fish community responses were consistently associated with climatic changes, historical fishing pressure on large-bodied, demersal species appeared to render fish communities more sensitive to environmental changes by increasing the relative of abundance of pelagic and r-selected species.

À l’heure où les entreprises, confrontées à de nombreux bouleversements, sont plus que jamais en recherche de performance, et à l’heure où les salariés, dénonçant les conditions de travail et les pratiques managériales, n’ont jamais été aussi demandeurs de bien-être au travail, réconcilier le bien-être des salariés et la performance de l’entreprise est un sujet d’actualité et un enjeu stratégique pour les entreprises.La revue de la littérature et les résultats d’une analyse qualitative exploratoire menée à l’aide d’entretiens semi-directifs auprès de 55 salariés du groupe RESSIF (Réseau des Services Sociaux Interentreprises de France) nous amènent à envisager le « bien-être au travail » et la « performance de l’entreprise » en termes de méta-perspective paradoxale et à proposer des voies de résolution de ce paradoxe organisationnel.Pour ce faire, nous avons mené deux études quantitatives. La première étude est basée sur 5300 observations issues de l’enquête « conditions de travail » du Ministère français du travail. La deuxième est basée sur les réponses de 270 entreprises à un questionnaire en ligne portant sur les pratiques de gestion des ressources humaines.Finalement, nos résultats empiriques concluent que les facteurs permettant de concilier le bien-être au travail et la performance de l’entreprise sont, parmi les conditions de travail, la lutte contre l’intensité et l’insoutenabilité du travail et, parmi les pratiques de ressources humaines, le développement de la participation des salariés aux décisions de l’entreprise, la formation, les promotions et perspectives de carrière et, dans une moindre mesure, l’évaluation de la performance.Pour conclure ce travail, sont présentées les contributions théoriques, méthodologiques et managériales, ainsi que les voies futures de recherche. / At a time when companies, faced with many upheavals, are more than ever in search of performance, and when employees, denouncing working conditions and managerial practices, have never been so demanding of well-being at work, reconciling employee well-being and company performance is a topical issue and a strategic challenge for companies.The literature review and the results of an exploratory qualitative analysis conducted using semi-directive interviews with 55 employees of the RESSIF group (Réseau des Services Sociaux Interentreprises de France) lead us to consider "well-being at work" and "company performance" in terms of paradoxical meta-perspective and to propose ways to resolve this organizational paradox.To do this, we conducted two quantitative studies. The first study is based on 5300 observations from the working conditions survey of the French Ministry of Labor. The second is based on the answers of 270 companies to an online questionnaire on human resources management practices.Finally, our empirical results conclude that the factors that make it possible to reconcile well-being at work and company performance are, among working conditions, the fight against work intensity and unsustainability and, among human resources practices, the development of employee participation in company decisions, training, promotions and career perspectives and, to a lesser extent, performance evaluation.To conclude this work, theoretical, methodological and managerial contributions are presented, as well as future research paths.

Depuis une dizaine d’années, le modèle de l’innovation ouverte théorisé par Henry W. Chesbrough se diffuse dans les sphères universitaires, praticiennes et politiques. Défini au début des années 2000, ce modèle décrit l’innovation comme le fruit de pratiques d’ouverture des frontières des firmes pour capter des ressources externes afin d’accélérer l’innovation interne d’une part (innovation entrante), et laisser des connaissances internes trouver un usage d’innovation externe d’autre part (innovation sortante). En France, les pouvoirs publics se sont saisis progressivement de ce modèle en promouvant des dispositifs de « clustering » à l’instar de la politique des pôles de compétitivité. Plus récemment, des nouveaux acteurs et des nouveaux espaces dédiés à l’innovation ouverte se développent comme les tiers-lieux (les espaces de « coworking », les « livinglabs », « Fablabs », les incubateurs, les accélérateurs). Le modèle de l’open innovation se diffuse et chaque acteur, du particulier au grand groupe, en passant par les laboratoires de recherche et les universités, est convié à entrer dans ces nouveaux cadres de coopération pour l’innovation.Si le modèle améliore la compréhension de la complexité du modèle de l’innovation en traduisant son caractère collectif et itératif, il est plus difficile d’en apprécier les incidences sur l’organisation interne de l’entreprise et notamment sur ses ressources humaines. Or, celles-ci sont au cœur du processus d’innovation ouverte, elles en sont même le premier levier. L’innovation ouverte est le fruit de communautés de travailleurs qui se constituent et agissent hors du cadre strict de l’entreprise.Notre thèse contribue à compléter le modèle de l’innovation ouverte en s’intéressant à ses impacts sur la gestion des ressources humaines. L’innovation ouverte confronte la gestion des ressources humaines des entreprises à un paradoxe : comment gérer des ressources humaines qui dépassent les frontières de la firme ? Grâce à une recherche-intervention menée dans le cadre d’une thèse en convention CIFRE, nous étudions les pratiques de gestion des ressources humaines mises en œuvre dans le contexte de projets innovants collaboratifs menés dans des pôles de compétitivité. Nos analyses permettent d’identifier les impacts de l’innovation ouverte sur l’organisation du travail, le management, la gestion des emplois et des compétences. Nos travaux montrent que si les impacts de l’innovation ouverte sur ces champs sont réels, les pratiques de gestion des ressources humaines des firmes peinent à s’adapter à ce nouveau contexte. Notre thèse analyse des dispositifs pouvant apporter des solutions aux situations de travail nouvelles créées par l’open innovation. / During the last decade, the open innovation model from Henry W. Chesbrough spread within academic, managerial and political spheres. Defined in the early 2000s, this model describes innovation as the result of the opening of firm’s boundaries to capture external resources and accelerate internal innovation (outside-in) on the one hand, and allow internal knowledge find an external use (inside-out) on the other hand.In France, public authorities progressively seized the « open innovation » model through « clustering » policies, like competitiveness clusters. More recently new actors and new spaces dedicated to open innovation are promoting themselves as third-places (coworking spaces, Livinglabs, Fablabs, business incubators, accelerators). Open innovation is spreading and each actor, from private individual to the largest companies, including research labs and universities, is invited to participate in these new innovation and cooperation frames. Even though the model displays a good understanding of the innovation model complexity, with its collective and iterative nature, it is hard to apprehend its impact on the firm’s internal organization, especially from a human resource perspective. Yet these impacts are at the core of the open innovation process, and even its first lever. Open innovation is the result of communities of workers who form and act out of the strict company frame.This thesis is contributing to the fulfillment of the open innovation model through a focus on its impact on the human resource management. Open innovation confronts human resource management of companies to a paradox: how to manage human resources beyond the boundaries of the firm? Thanks to intervention-research carried out within the frame of a CIFRE industrial research agreement, we study human resource management practices, implemented in the context of collaborative innovative projects in competitiveness clusters. Our analyses identify the impacts of open innovation on work organizations, people, skills and staff management. Our work shows the real impact of open innovation on these fields and also proves that firms labor to adapt those human resource management practices in this new context. Our thesis analyses possible arrangements which brings solutions to the new work situations resulting from open innovation.

Nous explorons le lien entre partage d'information (PI) et gestion collective de ressources naturelles (GRN). Pour déterminer ce lien, nous nous sommes interessé aux ostréiculteurs, acteurs sensibles à la qualité de l'eau et touchés par un virulent virus. Ces acteurs ont développé et utilisent divers artéfacts de PI. Ces artifacts sont destinés à faire face à des menaces potentielles. L'identification de ce point fondamental a mené à développer le concept de menaces. Elles sont définies par le modèle <A,C,I,D,E> (Acteurs, Caractéristiques, Infrastructure, Décisions, Environnement). Elles sont organisées le long de deux axes: l'internalité et l'exclusivité. Formuler la situation des ostréiculteurs en utilisant ce concept permet une caractérisation des enjeux pour les artéfacts de PI pour la lutte contre les menaces. Nous avons utilisé le cadre ENCORE pour une analyse qualitative et la SMA pour une quantitative de l’impact des artéfacts. La recherche montre qu'ils peuvent avoir des buts, media et contenus variés, améliorer la réflexivité, ou mener à peu, voire aucun changement. Ces améliorations sont liées au processus de création de l'artéfact. / I explore how information sharing (IS) and natural resources management (NRM) are linked.To determine this link, I focused on oyster farmers, actors sensitive to water quality and impacted by a virulent virus. Those actors implemented and use diverse IS artifacts. Those artifacts are meant to face potential threats. Realizing this focal point led to develop the threat concept. They are defined by the <A,C,I,D,E> (Actors, Characteristics, Infrastructure, Decisions, Environnement) model. They are organized along two axes: internality and excludability. Framing oyster farmers’ situation with this concept allow a characterization of stakes for IS artifacts to tackle threats.I used the ENCORE framework for qualitative assessment of IS artifacts impacts and a MAS for a quantitative one. The research shows that they have various goals, media and contents; can increase reflexivity or have little to no impact. Those changes are linked to artifact creation process.

Face à la croissance exponentielle des réseaux mobiles très haut débit, les opérateurs de téléphonie mobile se sont lancé dans le déploiement des réseaux dits hiérarchiques (HetNet), composés par des sous-réseaux avec des caractéristiques divergentes en termes de type des cellules déployées et des technologies d’accès radio utilisées. Avec ce caractère hétérogène des réseaux cellulaire, l’exploitation de ces derniers devienne de plus en plus compliquée et coûteuse impliquant le déploiement, la configuration et la reconfiguration de stations de base et d’équipements de différentes caractéristiques. Ainsi, l’intégration dans les réseaux HetNet de fonctionnalités d’auto-configuration automatisant et simplifiant l’exploitation des réseaux deviennent une demande forte des opérateurs. Cette thèse a pour objectif l’étude et le développement de solutions de gestion dynamique de l’équilibrage de charges entre les différentes couches composant un même HetNet, pour une expérience utilisateur (QoE) améliorée. Dans ce contexte, une classe des algorithmes d’équilibrage de charges dite ‘équilibrage de charges par adaptation dynamique des paramètres de la procédure de handover’ est étudiée. Pour commencer, nous développons un modèle théorique basé sur des solutions et des outils de la géométrie stochastique et incorporant le caractère hétérogène des réseaux cellulaires. Ensuite nous exploitons ce modèle pour introduire des algorithmes d’adaptation des paramètres de handover basés sur la maximisation de la puissance reçue et du rapport signal/brouillage plus bruit (SINR). Nous exploitons ces résultats pour implémenter et étudier, par simulation à évènements discrets, des algorithmes d’équilibrage de charges dans le contexte des réseaux LTE HetNet auto-organisés basés sur les spécifications 3GPP. Ces travaux soulignent l’importance de l’équilibrage de charges afin de booster les performances des réseaux cellulaires en termes de débit global transmis, perte de paquets de données et utilisation optimisée des ressources radio. / High demands on mobile networks provide a fresh opportunity to migrate towardsmulti-tier deployments, denoted as heterogeneous network (HetNet), involving a mix of cell types and radio access technologies working together seamlessly. In this context, network optimisation functionalities such as load balancing have to be properly engineered so that HetNet benefit are fully exploited. This dissertation aims to develop tractable frameworks to model and analyze load balancing dynamics while incorporating the heterogeneous nature of cellular networks. In this context we investigate and analyze a class of load balancingstrategies, namely adaptive handover based load balancing strategies. These latter were firstly studied under the general heading of stochastic networks using independent and homogeneous Poisson point processes based network model. We propose a baseline model to characterize rate coverage and handover signalling in K-tier HetNet with a general maximum power based cell association and adaptive handover strategies. Tiers differ in terms of deployment density and cells characteristics (i.e. transmit power, bandwidth, and path loss exponent). One of the main outcomes is demonstrating the impact of offloading traffic from macro- to small-tier. This impact was studied in terms of rate coverage and HO signalling. Results show that enhancement in rate coverage is penalized by HO signalling overhead. Then appropriate algorithms of LB based adaptive HO are designed and their performance is evaluated by means of extensive system level simulations. These latter are conducted in 3GPP defined scenarios, including representation of mobility procedures in both connectedstate. Simulation results show that the proposed LB algorithms ensure performance enhancement in terms of network throughput, packet loss ratio, fairness and HO signalling.

Une exploitation intelligente des données qui circulent sur les réseaux pourrait entraîner une amélioration de la qualité d'expérience (QoE) des utilisateurs. Les techniques d'apprentissage automatique offrent des fonctionnalités multiples, ce qui permet d’optimiser l'utilisation des ressources réseau.Dans cette thèse, deux contextes d’application sont étudiés : les réseaux de capteurs sans fil (WSNs) et les réseaux de contenus (CDNs). Dans les WSNs, il s’agit de prédire la qualité des liens sans fil afin d’améliorer la qualité des routes et donc d’augmenter le taux de remise des paquets ce qui améliore la qualité de service offerte à l’utilisateur. Dans les CDNs, il s’agit de prédire la popularité des contenus vidéo afin de mettre en cache les contenus les plus populaires, au plus près des utilisateurs qui les demandent. Ceci contribue à réduire la latence pour satisfaire les requêtes des utilisateurs.Dans ce travail, nous avons orchestré des techniques d’apprentissage issues de deux domaines différents, à savoir les statistiques et le Machine Learning. Chaque technique est représentée par un expert dont les paramètres sont réglés suite à une analyse hors-ligne. Chaque expert est chargé de prédire la prochaine valeur de la métrique. Vu la variété des experts retenus et comme aucun d’entre eux ne domine toujours tous les autres, un deuxième niveau d’expertise est nécessaire pour fournir la meilleure prédiction. Ce deuxième niveau est représenté par un expert particulier, appelé forecaster. Le forecaster est chargé de fournir des prédictions à partir des prédictions fournies par un sous ensemble des meilleurs experts.Plusieurs méthodes d’identification de ce sous ensemble sont étudiées. Elles dépendent de la fonction de perte utilisée pour évaluer les prédictions des experts et du nombre k, représentant les k meilleurs experts. Les tâches d’apprentissage et de prédiction sont effectuées en-ligne sur des data sets réels issus d’un WSN déployé à Stanford et de YouTube pour le CDN. La méthodologie adoptée dans cette thèse s’applique à la prédiction de la prochaine valeur d’une série temporelle.Plus précisément, nous montrons comment dans le contexte WSN, la qualité des liens peut être évaluée par le Link Quality Indicator (LQI) et comment les experts Single Exponential Smoothing (SES) et Average Moving Window (AMW) peuvent prédire la prochaine valeur de LQI. Ces experts réagissent rapidement aux changements des valeurs LQI que ce soit lors d’une brusque baisse de la qualité du lien ou au contraire lors d’une forte augmentation de la qualité. Nous proposons deux forecasters, Exponential Weighted Average (EWA) et Best Expert (BE), et fournissons la combinaison Expert-Forecaster permettant de fournir la meilleure prédiction.Dans le contexte des CDNs, nous évaluons la popularité de chaque contenu vidéo par le nombre journalier de requêtes. Nous utilisons à la fois des experts statistiques (ARMA) et des experts issus du Machine Learning (DES, régression polynômiale). Nous introduisons également des forecasters qui diffèrent par rapport à l’horizon des observations utilisées pour la prédiction, la fonction de perte et le nombre d’experts utilisés. Ces prédictions permettent de décider quels contenus seront placés dans les caches proches des utilisateurs. L’efficacité de la technique de caching basée sur la prédiction de la popularité est évaluée en termes de hit ratio et d’update ratio. Nous mettons en évidence les apports de cette technique de caching par rapport à un algorithme de caching classique, Least Frequently Used (LFU).Cette thèse se termine par des recommandations concernant l’utilisation des techniques d’apprentissage en ligne et hors-ligne pour les réseaux (WSN, CDN). Au niveau des perspectives, nous proposons différentes applications où l’utilisation de ces techniques permettrait d’améliorer la qualité d’expérience des utilisateurs mobiles ou des utilisateurs des réseaux IoT. / An intelligent exploitation of data carried on telecom networks could lead to a very significant improvement in the quality of experience (QoE) for the users. Machine Learning techniques offer multiple operating, which can help optimize the utilization of network resources.In this thesis, two contexts of application of the learning techniques are studied: Wireless Sensor Networks (WSNs) and Content Delivery Networks (CDNs). In WSNs, the question is how to predict the quality of the wireless links in order to improve the quality of the routes and thus increase the packet delivery rate, which enhances the quality of service offered to the user. In CDNs, it is a matter of predicting the popularity of videos in order to cache the most popular ones as close as possible to the users who request them, thereby reducing latency to fulfill user requests.In this work, we have drawn upon learning techniques from two different domains, namely statistics and Machine Learning. Each learning technique is represented by an expert whose parameters are tuned after an off-line analysis. Each expert is responsible for predicting the next metric value (i.e. popularity for videos in CDNs, quality of the wireless link for WSNs). The accuracy of the prediction is evaluated by a loss function, which must be minimized. Given the variety of experts selected, and since none of them always takes precedence over all the others, a second level of expertise is needed to provide the best prediction (the one that is the closest to the real value and thus minimizes a loss function). This second level is represented by a special expert, called a forecaster. The forecaster provides predictions based on values predicted by a subset of the best experts.Several methods are studied to identify this subset of best experts. They are based on the loss functions used to evaluate the experts' predictions and the value k, representing the k best experts. The learning and prediction tasks are performed on-line on real data sets from a real WSN deployed at Stanford, and from YouTube for the CDN. The methodology adopted in this thesis is applied to predicting the next value in a series of values.More precisely, we show how the quality of the links can be evaluated by the Link Quality Indicator (LQI) in the WSN context and how the Single Exponential Smoothing (SES) and Average Moving Window (AMW) experts can predict the next LQI value. These experts react quickly to changes in LQI values, whether it be a sudden drop in the quality of the link or a sharp increase in quality. We propose two forecasters, Exponential Weighted Average (EWA) and Best Expert (BE), as well as the Expert-Forecaster combination to provide better predictions.In the context of CDNs, we evaluate the popularity of each video by the number of requests for this video per day. We use both statistical experts (ARMA) and experts from the Machine Learning domain (e.g. DES, polynomial regression). These experts are evaluated according to different loss functions. We also introduce forecasters that differ in terms of the observation horizon used for prediction, loss function and number of experts selected for predictions. These predictions help decide which videos will be placed in the caches close to the users. The efficiency of the caching technique based on popularity prediction is evaluated in terms of hit rate and update rate. We highlight the contributions of this caching technique compared to a classical caching algorithm, Least Frequently Used (LFU).This thesis ends with recommendations for the use of online and offline learning techniques for networks (WSN, CDN). As perspectives, we propose different applications where the use of these techniques would improve the quality of experience for mobile users (cellular networks) or users of IoT (Internet of Things) networks, based, for instance, on Time Slotted Channel Hopping (TSCH).

La quantité de données produites dans le monde scientifique comme dans le monde commercial, est en constante augmentation. Le domaine du traitement de donnée à large échelle, appelé “Big Data”, a été inventé pour traiter des données sur de larges infrastructures informatiques distribuées. Mais l’intégration de système Big Data sur des machines de calcul intensif pose de nombreux problèmes. En effet, les gestionnaires de ressources ainsi que les systèmes de fichier de super calculateurs ne sont pas penser pour ce type de travail. Le sujet de cette thèse est de trouver la meilleure approche pour faire interagir ces deux gestionnaires de ressources et de traiter les différents problèmes soulevés par les mouvements de données et leur ordonnancement. / The amount of data produced, either in the scientific community and the commercial world, is constantly growing. The field of Big Data has emerged to handle a large amount of data on distributed computing infrastructures. High-Performance Computer (HPC) infrastructures are made for intensive parallel computations. The HPC community is also facing more and more data because of new high definition sensors and large physics apparatus. The convergence of the two fields is currently happening. In fact, the HPC community is already using Big Data tools, but they are not integrated correctly, especially at the level of the file system and the Resources and Job Management System (RJMS).In order to understand how we can leverage HPC clusters for Big Data usage, and what are the challenges for the HPC infrastructures, we have studied multiple aspects of the convergence: we have made a survey on the software provisioning methods, with a focus on data-intensive applications. We also propose a new RJMS collaboration technique called BeBiDa which is based on 50 lines of code whereas similar solutions use at least 1000x more. We evaluate this mechanismon real conditions and in a simulation with our simulator Batsim.

Cette thèse s’interroge sur les relations existantes entre l’exploitation des ressources naturelles, les dégradations de l’environnement et la propagation des dynamiques conflictuelles au Burkina Faso. En adoptant une approche interdisciplinaire, cette recherche explique que l’altération des conditions socio-environnementales modifie non seulement les conditions de vie, mais également les représentations et structures sociales, politiques et environnementales des sociétés affectées. Tout en s’intégrant dans le débat abordant le nexus environnement et conflits armés, cette recherche se distancie volontairement des études portant exclusivement sur les changements climatiques et étudie directement les dégradations environnementales anthropiques issues de l’industrie extractive, ou des exclusions environnementales accompagnant les aires naturelles protégées, participant aux altérations globales du climat et constituant un catalyseur des impacts sociaux et politiques contemporains des changements climatiques. En effectuant une étude qualitative de 4 sites miniers industriels et de deux aires naturelles protégées, cette thèse montre alors que l’altération des conditions et structures socio-environnementales a été en même temps un facteur constitutif de l’érosion de la légitimité et de l’autorité de l’État central burkinabè et de l’accroissement des zones d’influence ainsi que des bassins de recrutement des groupes armés au Burkina Faso.