Description géométrique de l'environnement grâce à la redondance et à la complémentarité des informations provenant de plusieurs capteurs. Cette description est basée sur une modélisation tridimensionnelle de type surfacique incorporant les informations géométriques et l'incertitude de ces informations

En recherche d'information, les particularités relatives au contexte de recherche de l'utilisateur induisent certains besoins qu'il est nécessaire de prendre en compte dans la modélisation du système de recherche. Dans notre travail de thèse, nous nous situons dans un contexte où l'utilisateur a une mémoire des documents qu'il désire retrouver : son besoin est alors une description d'un document idéal, reflet du souvenir qu'il a de ces documents. Dans ce contexte de recherche particulier, nous proposons un modèle de recherche d'information fondé sur (i) un langage complexe (des entités inter reliées avec utilisation multiple d'une même entité dans la description du document et du besoin), (ii) des critères d'obligation/option et de certitude/incertitude, rattachés aux éléments de la requête, qui reflètent les doutes de l'utilisateur quant au contenu des documents susceptibles de l'intéresser et (iii) une fonction de correspondance prenant en compte les contraintes liées à la représentation des documents et des requêtes ainsi qu'une approche pour la reformulation du besoin fondée sur les jugements de pertinence de l'utilisateur et sur les caractéristiques communes des documents retenus (par rapport aux critères rattachés à la requête). Ce modèle est par la suite appliqué dans le cadre concret d'une application : la recherche de graphiques dans les documents techniques par des utilisateurs professionnels. À travers cette application, nous validons notre approche (prise en compte des critères d'obligation/option et de certitude/incertitude) en comparant notre modèle aux modèles classiques existants.

Cette thèse porte sur la prise de décision distribuée dans des<br />systèmes multi-agents agissant sous incertitude (les colonies de<br />robots autonomes par exemple). Les processus décisionnels de Markov<br />Décentralisés décrivent un formalisme mathématique permettant de<br />modéliser et de résoudre de tels problèmes. Leur utilisation pour la<br />planification des tâches dans des applications réelles pose<br />toutefois quelques difficultés. Le modèle usuel des DEC-MDPs ne<br />permet par exemple pas la prise en compte de contraintes sur l'exécution des tâches. De plus,<br />la complexité de leur résolution est telle qu'il est difficile de déterminer une solution optimale excepté pour de <br />petits problèmes.<br /><br />Le travail que nous présentons dans cette thèse a pour premier objectif<br />d'adapter le modèle des DEC-MDPs afin de proposer une modélisation<br />adéquate du temps et des actions, et de permettre la représentation de<br />problèmes réels. Nous décrivons ainsi une nouvelle classe de<br />DEC-MDPs : les OC-DEC-MDPs (DEC-MDP avec Coût Occasionné). Dans un second temps,<br />nous nous intéressons à leur résolution. Nous proposons différents<br />algorithmes procédant à la planification des tâches de chaque agent<br />en vue d'une prise de décision décentralisée et autonome, en accord<br />avec les contraintes du problème. Afin de développer des algorithmes<br />efficaces et de traiter des problèmes de taille importante, nous recherchons une<br />approximation de la solution optimale. Nous procédons<br />également à un découpage du problème initial en un ensemble de MDPs,<br />et introduisons la notion de coût occasionné afin de tenir compte<br />des interactions entre les agents et de calculer des politiques<br />coopératives.

Cette thèse propose une méthode originale de programmation de robot fondée sur l'inférence et l'apprentissage bayésien. Cette méthode traite formellement des problèmes d'incertitude et d'incomplétude inhérents au domaine considéré. En effet, la principale difficulté de la programmation des robots vient de l'inévitable incomplétude des modèles utilisés. Nous exposons le formalisme de description d'une tâche robotique ainsi que les méthodes de résolutions. Ce formalisme est inspiré de la théorie du calcul des probabilités, proposée par le physicien E.T. Jaynes : "Probability as Logic". L'apprentissage et les techniques de maximum d'entropie traduisent l'incomplétude en incertitude. L'inférence bayésienne offre un cadre formel permettant de raisonner avec cette incertitude. L'apport principal de cette thèse est la définition d'un système générique de programmation pour la robotique et son application expérimentale. Nous l'illustrons en utilisant ce système pour programmer une application de surveillance pour un robot mobile : le Khepera. Pour cela, nous utilisons des ressources génériques de programmation appelées "descriptions". Nous montrons comment définir et utiliser de manière incrémentale ces ressources (comportements réactifs, fusion capteur, reconnaissance de situations et séquences de comportements) dans un cadre systématique et unifié. Nous discutons des différents avantages de notre approche : expression des connaissances préalables, prise en compte et restitution de l'incertitude, programmation directe et inverse. Nous proposons des perspectives à ce travail : choix d'architecture et planification. Nous situons notre travail dans un cadre épistémologique plus vaste en opposant, dans le cadre de la robotique autonome, l'approche "classique" relevant de la "cognition de haut niveau" et l'approche "réactive" associée à une "cognition de bas niveau". Nous montrons finalement comment nos travaux proposent de faire le lien entre ces deux extrêmes.

Cette thèse s'intéresse à la distribution, par un constructeur automobile, d'une large variété de véhicules, qui vise à s'approcher des préférences individuelles des consommateurs hétérogènes. Le constructeur qui commercialise une large variété doit prendre des décisions de production ex-ante, alors qu'il est confronté à une incertitude sur la demande pour les variantes. Cette thèse définit la fonction de matching comme le programme de la firme qui cherche à minimiser la distance dans l'espace des biens entre le consommateur et la variante la plus proche, sous contrainte d'incertitude sur la demande. L'organisation historique de la distribution automobile, via des concessionnaires désintégrés qui supportent un risque d'invendus sur leur stock, présente des inefficacités dans le matching. Nous cherchons donc comment le constructeur peut aligner les incitations du concessionnaire sur cette nouvelle fonction objectif dans le système de relation verticale. Or, le matching pose un problème de mesure pour le constructeur, soumis à une asymétrie d'information sur les résultats du comportement du concessionnaire. À l'issue de cette thèse, les variables qui influent sur la fonction de matching du concessionnaire sont mises en évidence, ainsi que les modifications de l'organisation de la distribution nécessaire à l'optimisation du matching: exploitation d'effets de portefeuille et d'un pouvoir de marché en aval, ou intégration verticale du constructeur dans les fonctions d'approvisionnement et de gestion du risque en présence de l'incertitude sur la demande.

Dans cette thèse, nous traitons de la représentation de l'incertitude et de l'analyse des choix publics dans les problèmes environnementaux avec de l'incertitude. Dans la première partie, nous proposons une caractérisation de l'incertitude scientifique (deux niveaux), qui est reprise en termes formels selon une hiérarchie de modèles : possibilité, capacité, probabilité. Après une revue des théories connues, ces formalisations de situations d'incertitude scientifique permettent de présenter et d'analyser les propriétés de critères de décision pertinents. Dans la seconde partie, nous abordons les aspects temporels et les irréversibilités. Nous adoptons un critère de décision non bayésien. Nous distinguons aussi les effets dus à l'irréversibilité de ceux produits par l'information ou la précaution. Nous introduisons pour cela plusieurs effets. Enfin, nous proposons une analyse de la notion de valeur d'option, nous associons à chaque effet caractérisé précédemment une valeur d'option correspondante.

La " collaboration au sein d'une chaîne logistique " s'exprime dans un contexte particulier fait d'aléas, d'échanges d'informations plus ou moins formalisés, pertinents ou efficaces, et de jeux de pouvoirs où chacun cherche à imposer ses contraintes à l'autre. Elle peut ainsi être définie autour de trois notions clés : des protocoles (processus partagés entre partenaires), des comportements (processus individuels à chaque partenaire), des aléas qui rendent incertain le niveau de performance. Afin d'anticiper les conséquences possibles de certaines situations, il importe donc d'être capable de représenter et d'évaluer les conséquences d'éventuelles décisions (protocoles et comportements) ou aléas sur la relation. Outil de prospection, la " simulation des processus de planification d'une chaîne logistique " s'inscrit donc parfaitement dans cette démarche d'évaluation a priori. Les fonctionnalités d'un outil de simulation à événements discrets à base d'agents ont été étendues dans cette thèse afin de représenter et de simuler un certains nombres de protocoles, comportements et aléas rencontrés dans la réalité industrielle. L'expression " aide à la gestion de la collaboration " fait ici référence à l'intégration des résultats de simulation au coeur d'une démarche formalisée de management des risques pour aider à paramétrer les protocoles et comportements mis en oeuvre dans une relation. Des outils et méthodes ont été développés pour modéliser ce processus de décision afin d'informer de manière pertinente le décideur au moment de son choix (arbres de décision, critères de décision). La prise de décision est un processus marqué par la subjectivité du décideur. Les outils et méthodes doivent donc intégrer cette subjectivité sous toutes ses formes : (i) les préférences relatives aux indicateurs de performances sur lesquels se basent les décisions, (ii) la perception sur la possibilité de l'occurrence d'un aléa, et (iii) les préférences des différents partenaires à prendre en compte dans le raisonnement et (iv) la séquence générale de l'ensemble des aléas et choix de protocoles, comportements identifiés. La dernière partie de la thèse est consacrée à la mise en oeuvre de la démarche sur un cas d'application industriel : l'aide à la gestion de la collaboration entre la branche Dermo-Cosmétique du groupe Pierre-Fabre et ses fournisseurs de produits de conditionnement.

Cette thèse traite de l'ordonnancement dans les systèmes distribués. L'objectif est d'étudier l'impact de l'incertitude sur les ordonnancements et de proposer des techniques pour en réduire les effets sur les critères à optimiser. Nous distinguons plusieurs aspects de l'incertitude en considérant celle liée aux limites des méthodes employées (e.g., modèle imparfait) et celle concernant la variabilité aléatoire qui est inhérente aux phénomènes physiques (e.g., panne matérielle). Nous considérons aussi les incertitudes qui se rapportent à l'ignorance portée sur les mécanismes en jeu dans un système donné (e.g., soumission de tâches en ligne dans une machine parallèle). En toute généralité, l'ordonnancement est l'étape qui réalise une association ordonnée entre des requêtes (dans notre cas, des tâches) et des ressources (dans notre cas, des processeurs). L'objectif est de réaliser cette association de manière à optimiser des critères d'efficacité (e.g., temps total consacré à l'exécution d'un application) tout en respectant les contraintes définies. Examiner l'effet de l'incertitude sur les ordonnancements nous amène à considérer les aspects probabilistes et multicritères qui sont traités dans la première partie. La seconde partie repose sur l'analyse de problèmes représentatifs de différentes modalités en terme d'ordonnancement et d'incertitude (comme l'étude de la robustesse ou de la fiabilité des ordonnancements).

La thèse porte sur la théorie de la décision individuelle en situation d'incertitude. Elle vise à comprendre, décrire et représenter les décisions, en différenciant ce qui provient des croyances du décideur de ce qui se rattache à son attitude face à l'incertitude. Elle est principalement composée de quatre contributions complémentaires. La première est théorique et caractérise l'attitude face au risque et à l'ambiguïté via l'utilisation de relations d'arbitrage portant sur les conséquences, dans la lignée des modèles de type utilité espérée, représentant l'aversion au risque et/ou à l'ambiguïté par la décroissance de l'utilité marginale. Le reste de la thèse s'appuie sur des modèles généralisant l'utilité espérée où les probabilités sont transformées par le décideur. La deuxième contribution est alors expérimentale et s'intéresse au décideur disposant d'avis d'experts lui indiquant le risque encouru. Il est proposé une méthode, basée sur l'observation des choix, pour étudier comment le décideur combine les avis à sa disposition. Cette méthode est appliquée pour comparer des situations où les experts donnent une évaluation imprécise du risque à des situations où leurs évaluations du risque encouru sont conflictuelles. Le troisième travail introduit le concept de source uniforme d'incertitude, c'est-à-dire d'ensemble d'événements générés par un même mécanisme d'incertitude et pour lesquels il existe une mesure de probabilité subjective. Une expérience est conduite dans laquelle de telles probabilités subjectives sont obtenues. Est ensuite étudié le consentement à parier des individus sur des événements de probabilité (subjective) équivalente mais provenant de sources différentes. La dernière contribution revient sur la méthode d'obtention des probabilités subjectives et la compare (théoriquement) aux autres méthodes. Sa faisabilité et ses limites sont ensuite étudiées dans une nouvelle expérience.

L'Analyse de Cycle de Vie (ACV) est aujourd'hui définie comme une approche aboutie et reconnue d'évaluation de la performance environnementale des produits, procédés et services. Cependant et malgré la standardisation dont elle a fait l'objet dans les années 1990, certaines limites subsistent et contribuent à fragiliser la fiabilité de ses résultats. La non-prise en compte quasi systématique des incertitudes et de la qualité des données d'inventaire, et son caractère consommateur de ressources en font partie. Ces carences mettent en avant la nécessité de développer une méthodologie de gestion de ces deux paramètres. C'est dans ce contexte que s'inscrivent les travaux de recherche. Nous proposons donc une méthodologie de fiabilisation des décisions environnementales basées sur des ACV, à partir de l'analyse et la gestion des incertitudes sur les données d'inventaire. Cette dernière combine une approche qualitative s'appuyant sur l'utilisation d'une matrice de pedigree et une approche quantitative propageant l'incertitude sur les données d'entrée au moyen de simulations de Monte Carlo. La méthodologie développée nous permet d'une part d'estimer la qualité des inventaires et donc du résultat, et d'autre part d'identifier et de localiser les données les plus influentes sur cet indice de qualité. Cette analyse générée à partir d'informations relativement accessibles permet également une optimisation de la phase de collecte et des ressources allouées. Nous pouvons en effet juger de la pertinence d'une collecte additionnelle en intégrant le potentiel de dégradation d'une donnée sur le degré de fiabilité estimé du résultat. Les conclusions de notre recherche devraient contribuer à crédibiliser les résultats d'ACV et faciliter la mise en œuvre de telles analyses par la gestion raisonnée des efforts de collecte.