L'intégration à grande échelle de l'énergie éolienne dans les réseaux électriques peut poser des problèmes aux opérateurs de ces réseaux car, contrairement aux moyens de production conventionnels, la production éolienne est variable et non contrôlable. Pour réduire l'impact de certains de ces problèmes, les gestionnaires de réseaux expriment le besoin de prévisions à court terme (de 48 à 120 heures) de la production agrégée des parcs éoliens situés dans une région définie.<br />Le but de la thèse est de développer un cadre d'analyse et des outils permettant de faciliter la mise en place de modèles de prévision de la production éolienne régionale.<br />La thèse présente tout d'abord un cadre d'analyse permettant de caractériser la production éolienne régionale. Par ce biais, les propriétés saillantes de la production régionale, qui doivent être prises en compte lors de la conception d'un modèle de prévision régionale, sont identifiées.<br />Le problème de la prévision régionale est ensuite abordé comme un problème d'apprentissage statistique. Nous définissons trois approches de modélisation générique permettant la combinaison de sous-modèles. L'influence de ces approches sur la précision des prévisions est étudiée ainsi que celle du choix des sous-modèles. Pour permettre la comparaison de sous-modèles, nous introduisons un modèle de prévision éolienne dont la performance est comparable aux modèles de l'état de l'art.<br />Finalement, nous examinons l'impact sur la précision de prévision qu'a le choix des variables explicatives et nous proposons des règles générales de sélection dans le cadre de la prévision éolienne régionale. Pour faciliter le processus de modélisation, des méthodes de sélection automatique sont étudiées. Deux méthodes (une méthode filtre et une méthode wrapper) qui exploitent les caractéristiques propres au problème sont proposées. Nous montrons que ces méthodes sont plus performantes qu'une méthode générique de l'état de l'art.

Les problèmes de la classification ont reçu une attention considérable dans des différents champs d'ingénierie comme traitement des images biomédicales, identification a partir de la voix, reconnaissance d'empreinte digitale etc. Les techniques d'intelligence artificielles, incluant les réseaux de neurones artificiels, permettent de traiter des problèmes de ce type. En particulier, les problèmes rencontrés nécessitent la manipulation de bases de données de tailles très importantes. Des structures de traitement adaptatives et exploitant des ensembles de classificateurs sont utilisées. Dans cette thèse, nous décrivons principalement le développement et des améliorations apportées à un outil de classification désigné par le terme Tree-like Divide to Simplify ou T-DTS. Nos efforts se sont portés sur l'un des modules de cet outil, le module d'estimation de complexité. L'architecture de l'outil T-DTS est très flexible et nécessite le choix d'un nombre important de paramètres. Afin de simplifier l'exploitation de T-DTS, nous avons conçu et développé une procédure automatique d'optimisation d'un de ces plus importants paramètres, le seuil de décision associé à la mesure de complexité. La contribution principale de cette thèse concerne le développement de modules pouvant s'implanté sur une architecture de calcul matérielle parallèle. Ce ceci permet de se rapproché d'une implantation purement matérielle de l'outil T-DTS

La thématique principale des recherches présentées dans le présent travail concerne la modélisation de comportement d'agents informatiques hybrides au sein de Systèmes multi-agents (SMA). Un agent hybride est un agent qui dispose à la fois de comportements réactifs et de comportements cognitifs. S'inspirant à la base d'une réflexion principalement psychophysiologique du vivant, ce travail s'insère dans la problématique plus vaste de l'Intelligence artificielle distribuée et de la Vie artificielle. Partant du principe qu'un être humain, même s'il est cognitif, est aussi une espèce issue de la nature, le présent travail a pour objectif de mettre en place une architecture hybride générique d'agents artificiels dont la base du comportement est la motivation naturelle existant dans ces agents. La particularité de cette étude est que nous intégrons les concepts d'instinct, pulsion, faim, soif, etc. dans les agents cognitifs ou hybrides alors que dans la plupart des cas, ces notions ont toujours été l'apanage des modèles d'agents réactifs, particulièrement ceux basés sur les animâts. A terme, le raisonnement et les attitudes mentales ne seront donc plus les seuls facteurs à prendre en compte pour comprendre le comportement de ces agents cognitifs ou hybrides. Au niveau de l'architecture, nous obtenons ainsi à la base un modèle générique basé uniformément sur le concept de motivation naturelle et ce, quel que soit le type de l'agent étudié (réactif, cognitif, hybride). Au niveau du comportement, nous proposons de fournir un cadre hybride permettant de gérer, à un niveau générique, la sélection d'actions et plus précisément pour le présent contexte, la sélection de motivations. Le terme "générique" signifie que l'ensemble des critères fournis dans le mécanisme de sélection ne dépend pas de l'application mais permettra à l'utilisateur du système de se préoccuper au minimum des stratégies de sélection. Pour ce faire, il appartient au modèle de fournir les règles de positionnement pour chaque motivation. Sur le plan de la conception, nous adoptons un modèle issu d'un travail déjà existant dans le monde de la psychologie. Il s'agit de la pyramide du psychologue américain Abraham Maslow, portant sur les cinq besoins abstraits des humains. Le choix d'un modèle issu de l'étude du monde réel est important. Nous évitons en effet de devoir fournir des hypothèses théoriques de conception. Notre cadre d'application concerne en premier lieu une application cas d'école axée sur des agents fourrageurs qui se déplacent pour transporter des objets. Puis, dans un cadre plus réel, l'étude porte sur la simulation du comportement des paysans dans une région à Madagascar.

Les travaux de cette thèse se situent dans le cadre de la discrimination conceptuelle. Notre objectif est de caractériser des classes d'objets imprécis et structurés, à partir de concepts imprécis. Le modèle de représentation des données utilise un formalisme objet pour décrire les relations de dépendance entre les attributs et modélise l'imprécision à l'aide de termes linguistiques organisés en structure de treillis. Dans un premier temps, nous avons défini des fonctions de reconnaissances floues permettant de mesurer l'appartenance graduelle d'une observation à un concept. Ces fonctions sont construites à partir de métriques qui prennent en compte les différents aspects du modèle. Ensuite, à partir des notions de complétude et de consistance, nous avons élaboré des critères évaluant la qualité de discrimination d'un concept au contour imprécis. L'utilisation de quantificateurs et modificateurs linguistiques permet de préciser cette qualité de discrimination en tenant compte des erreurs de classement. Enfin, nous avons développé des méthodes d'acquisition de concepts imprécis à partir d'exemples et de contre-exemples. Ces méthodes déterminent un recouvrement des exemples à partir de descriptions reconnaissant au plus, un nombre fixe de contre-exemples. Nos méthodes de discrimination s'appuient, pour déterminer efficacement des concepts, sur les opérateurs de généralisation et sur la structure de treillis des descriptions discriminantes. Afin d'améliorer la qualité et la fiabilité des résultats, une procédure de sélection des attributs les plus discriminants a été proposée. Implantées dans un système d'apprentissage, ces différentes méthodes sont appliquées à plusieurs expérimentations.

L'apparition d'interprètes sur de gros systèmes, tels Prolog-Dec10, puis des premiers compilateurs Prolog basés sur le fonctionnement de la machine virtuelle de Warren contribuèrent à la renommée du langage ainsi qu'a sa diffusion dans les universités puis l'industrie comme un puissant langage de l'Intelligence Artificielle [Warren-77, 83]. Le langage Prolog est fondé sur une restriction de la logique du premier ordre : l'ensemble des clauses de Horn. Le fait d'utiliser la logique du premier ordre comme langage de programmation était révolutionnaire parce que, jusqu'en 1972, une des utilisations de la logique en informatique était pour écrire des spécifications formelles et déclaratives. Kowalski nous montre dans son papier sur ce langage [Kowalski-74] que la logique des clauses de Horn possède une interprétation opérationnelle qui la rend très efficace comme fondement d'un langage de programmation, puis il effectue une preuve de la complétude de la méthode de dérivation sur laquelle se fondent tous les interprètes Prolog. De plus, la définition d'une sémantique formelle d'un langage de programmation logique [Emden-Kowalski-76] permet de définir une sémantique du point fixe pour les programmes utilisant les clauses de Hom comme syntaxe formelle, mais elle permet aussi de démontrer qu'elle était identique au modèle minimal d'une sémantique opérationnelle. Cet aspect est aussi étudié dans le cadre de la norme Prolog en cours de rédaction [Deransart&all-85].

Ce mémoire porte sur la figure de l'intelligence artificielle, en ce qu'elle permet d'incarner les craintes et les angoisses mises au jour par la critique sociale véhiculée dans les fictions dystopiques. Il analyse les manifestations d'êtres-machines et de structures de contrôle social créés par l'humanité, et dont la conduite témoigne d'une forme d'intelligence; il montre ainsi en quoi certaines structures sociales se calquent sur les machines pensantes imaginées. S'appuyant sur une approche pluridisciplinaire qui fait notamment appel aux domaines de la cybernétique, de la biologie et de la science politique, cette étude de la dystopie se concentre plus particulièrement sur le corpus littéraire suivant: Nineteen Eighty-Four, de George Orwell, Le Dépeupleur, de Samuel Beckett, et Neuromancer, de William Gibson. Prenant ses racines dans l'utopie, la dystopie a été façonnée au XIXe siècle à partir des craintes et des désillusions liées à une industrialisation qui modifiait radicalement le mode de vie humain. Dans ce type de fictions, les rapports de force entre l'humanité et ses outils -ses créations -basculent, car la technique y permet la transmission d'un ascendant sur l'être humain. Cette emprise se voit exacerbée par la machine pensante, dont l'accession à la vie autorise un niveau d'indépendance et d'initiative inaccessible à ses prédécesseurs. Ce faisant, l'intelligence artificielle permet d'imager le déplacement de point focal qui s'opère quand l'outil devient une fin en soi, de même qu'elle illustre les potentialités asservissantes d'une utilisation inconsidérée de la technique. À l'image de l'être artificiel, les structures machiniques de la dystopie acquièrent suffisamment d'autonomie pour pouvoir, elles aussi, attenter à la souveraineté de l'individu. L'humain, noyé au sein de ces structures qui le submergent, n'est alors plus qu'une composante insignifiante dont la spécificité se fait systématiquement gommer par la machine sociale. En définitive, qu'il s'agisse d'un être ou d'un système, la figure de l'intelligence artificielle apparaît comme un sujet agissant, qui incarne la propension de la dystopie à réduire l'individu à l'état de pion. ______________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Dystopie, Intelligence artificielle, Cybernétique, George Orwell, Samuel Beckett, William Gibson.

Th. Etat--Esthétique, sciences et technologie de arts--Paris 8, 2001. / Bibliogr. p. 381-387.

Habil.-Schr.--Berlin--Freie Univ. / Bibliogr. p. 253-287. Index.

Thèse doctorat : Informatique : Villeurbanne, INSA : 2006. / Titre provenant de l'écran-titre. Bibliogr. p. [124]-134. Publications de l'auteur p. [155]-157.

Reproduction de : Thèse d'Etat : sciences : Grenoble, INPG : 1987. / Titre provenant de l'écran-titre. Bibliogr. p. 265-279.