Avec le phénomène de la globalisation qui prend de l'ampleur, les différences culturelles, dans les communications interculturelles, amènent leur lot de problèmes inévitables. Geet Hofstede a exprimé de manière représentative ce phénomène : "Culture is more often a source of conflict than of synergy. Cultural differences are a nuisance at best and often a disaster." (Geert Hofstede, Emeritus Professor, Maastricht University.) Dans la revue de la littérature, jusqu'à ce jour, les recherches relatives à l'intelligence culturelle (IC) utilisent les méthodes traditionnelles pour mesurer l'IC et trouver des solutions aux problèmes relatifs à l'IC. Ces méthodes dépendent essentiellement de questionnaires évaluant des aspects distincts, de documents (Ng et Earley, 2006) et d'évaluations variées, guidées par les connaissances spécialisées et des qualités psychologiques d'experts de l'IC. Ces façons de faire réduisent le nombre de solutions possibles. À notre connaissance, aucune recherche au sujet de l'IC n'a été empiriquement informatisée jusqu'à maintenant. En conséquence, l'intégration de l'IC dans le domaine de l'intelligence artificielle (IA) reste absente. L'objectif principal de la recherche est donc de créer un modèle computationnel de l'IC et de l'implémenter dans un système expert. Ce système se nomme Système Expert Neuro-Flou d'Intelligence Culturelle (SENFIC). Il intègre l'expertise d'experts de l'IC en intégrant le fruit des études à propos des quatre dimensions de l'IC comme un tout intégré et s'influençant les unes des autres. Il devrait permettre éventuellement d'atteindre un meilleur niveau de performance que celui des experts de l'IC. Comme un système intelligent efficace, il fournit une recommandation globale au problème et une forme de système de règles permettant l'adaptabilité des individus et des organisations à un environnement interculturel. C'est dans ce contexte que le SENFIC a vu le jour. Nous combinons deux techniques intelligentes dans le cadre du système. La technique d'hybride neuro-floue intégrant la logique floue et le réseau de neurones artificiels, et la technique du système expert. La technique de logique floue est une bonne solution pour exprimer des problèmes originalement en langue imprécise et naturelle, comme ceux soulevés dans les recherches relatives à l'IC. La technique du réseau de neurones artificiels aide le système à atteindre un niveau d'autorégulation, d'auto-adaptation et d'autoapprentissage. Le système expert utilise des connaissances et des procédures d'inférence dans le but de résoudre des problèmes difficiles, requérant normalement une expertise humaine dans le domaine d'IC. Ainsi, le SENFIC exprime des connaissances sous une forme facilement comprise par les utilisateurs, et traite les demandes simples en langage naturel plutôt qu'en langage de programmation. En utilisant une nouvelle approche pour la technique de soft-computing en concevant la technique hybride comme le cœur du système, notre SENFIC devient alors capable de raisonner et d'apprendre dans un environnement culturel incertain et imprécis. Ce SENFIC est ouvert et extensible, autant au niveau interne qu'externe. Au niveau interne, le modèle computationnel de l'IC fournit une interface standard pouvant faciliter le développement secondaire et la mise en pratique du système. Au niveau externe, le SENFIC a la capacité de se présenter comme un agent d'extension permettant l'intégration à n'importe quel système intelligent existant, pour que ce système devienne culturellement intelligent. Le SENFIC est « conscient de l'intelligence culturelle ». Cela représente une percée amenant son lot de contributions dans les domaines de l'IC et de l'IA. ______________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : intelligence culturelle, logique floue, réseaux de neurones artificiels, soft-computing, hybride neuro-floue, système expert

Les services de maintenance interviennent pour maintenir ou remettre en état de bon fonctionnement les équipements. A travers la réduction de l'indisponibilité des équipements, ils participent à l'amélioration de la compétitivité des entreprises. Le service de maintenance est composé entre autre, de ressources humaines qui réalisent les tâches de maintenance. L'un des problèmes du manager de ce service est alors de trouver, pour chaque tâche, quelle ressource la traitera et quand. <br />Dans cette thèse, nous nous intéressons à un problème d'affectation et d'ordonnancement en prenant en compte les compétences des ressources humaines. Les différences de compétence sont peu intégrées dans les modèles de la littérature. Les ressources sont en effet souvent considérées comme identiques ou n'ayant qu'une compétence. Les différents types de tâches présentent aussi des spécificités qui sont peu retrouvées dans les approches de la littérature. Cette problématique se retrouve dans d'autre contexte que celui de la maintenance et touche plus généralement l'affectation et l'ordonnancement de l'activité d'un service.<br />Nous proposons une approche de résolution dynamique pour un problème mono-critère d'affectation et d'ordonnancement des activités de maintenance. Dans le contexte de la maintenance, différents critères concernant les ressources et les tâches sont importants. Nous proposons donc une extension de l'approche dynamique mono-critère au multi-critère. Certaines données utilisées dans l'affection et l'ordonnancement sont incertaines. Pour anticiper la présence de ces incertitudes nous proposons une approche dynamique, proactive à un problème multi-critère d'affectation et d'ordonnancement d'activité de maintenance en contexte incertain. Toutes ses approches font appel à une méthode d'amélioration par modification partielle de l'ordonnancement, inspirée de la méthode du kangourou.

Reproduction de : Habilitation à diriger des recherches : Sciences physiques. Automatique et informatique industrielle : Lille 1 : 2006. / N° d'ordre (Lille 1) : 545. Titre provenant de la page de titre du document numérisé. Bibliogr. p. 82-85. Liste des publications et communications.

Reproduction de : Thèse de doctorat : Automatique et informatique industrielle : Villeneuve d'Ascq, Ecole centrale de Lille : 2006. / Titre provenant de la page de titre du document numérisé. Bibliogr. p. 145-157.

Le cancer est l'une des causes les plus fréquentes de décès dans le monde. Actuellement, le cancer du sein est le plus répandu dans les cancers féminins. Malgré les avancées significatives faites ces dernières décennies en vue d'améliorer la gestion du cancer, des outils plus précis sont toujours nécessaires pour aider les oncologues à choisir le traitement nécessaire à des fins de guérison ou de prévention de récidive tout en réduisant les effets néfastes des ces traitements ainsi que leurs coûts élevés. Ce travail porte sur l'utilisation de techniques d'apprentissage automatique pour développer de tels outils de gestion du cancer du sein. Les facteurs cliniques, tels que l'âge du patient et les variables histo-pathologiques, constituent encore la base quotidienne de prise de décision pour la gestion du cancer du sein. Cependant, avec l'émergence de la technologie à haut débit, le profil d'expression génique suscite un intérêt croissant pour construire des outils plus précis de prédiction du cancer du sein. Néanmoins, plusieurs challenges doivent être relevés pour le développement de tels outils, principalement: (1) la dimensionnalité des données issues de la technologie des puces, (2) le faible rapport signal sur bruit dans la mesure de biopuces, (3) l'incertitude d'appartenance des patients aux différents groupes du cancer, et (4) l'hétérogénéité des données présentes habituellement dans les bases de données cliniques. Dans ce travail, nous proposons quelques approches pour surmonter de manière appropriée de tels challenges. Une première approche aborde le problème de haute dimensionnalité des données en utilisant les capacités d'apprentissage dit normé ℓ1 pour la conception d'un algorithme de sélection de variables intégré à la méthode SVM (machines à vecteurs supports), algorithme basé sur une technique de gradient. Une deuxième approche permet de gérer simultanément tous les problèmes, en particulier l'intégration de plusieurs sources de données (cliniques, pu ces à ADN, ...) pour construire des outils prédictifs plus précis. Pour cela, un principe unifié est proposé pour surmonter le problème de l'hétérogénéité des données. Pour tenir compte de l'incertitude d'appartenance et augmenter l'interprétabilité du modèle, ce principe est proposé dans le cadre de la logique floue. Par ailleurs, afin d'atténuer le problème du bruit de niveau élevé, une approche symbolique est proposée suggérant l'utilisation de la représentation par intervalle pour modéliser les mesures bruitées. Nous avons conçu en particulier, basée sur ce principe, une approche floue supervisée de pondération de variables. Le processus de pondération repose essentiellement sur la définition d'une marge d'appartenance pour chaque échantillon. Il optimise une fonction objective basée sur la marge d'appartenance afin d'éviter la recherche combinatoire. Une extension de cette approche au cas non supervisé est effectuée pour développer un algorithme de regroupement automatique basé sur la pondération des règles floues. L'efficacité de toutes les approches a été évaluée par des études expérimentales extensives, et comparée avec des méthodes bien connues de l'état de l'art. Enfin, un dernier travail est consacré à des applications des approches proposées dans le domaine du cancer du sein. En particulier, des modèles prédictifs et pronostiques ont été extraits à partir des données de puces à ADN et/ou des données cliniques, et leurs performances comparées avec celles d'approches génétiques et cliniques existantes.

Dans cette thèse, on s'intéresse au problème de la définition de l'offre d'une compagnie aérienne sur un marché où la demande présente un caractère incertain.<br /><br />Les principaux problèmes de prise de décision associés aux opérations aériennes sont analysés, puis la structure des coûts d'une compagnie aérienne et les facteurs qui influent sur sa demande, sont étudiés. La prévision de la demande pour un marché de transport aérien est un exercice difficile et les prévisions sont généralement entachées d'erreurs non maîtrisables. La modélisation floue est alors introduite pour modéliser l'incertitude caractérisant cette demande. Un processus d'optimisation de l'offre (prix et fréquence) sur un marché monopolistique, qui prend en compte de façon explicite la modélisation floue de la demande, est proposé. Puis le cas des situations d'équilibre d'un marché duopolistique est étudié dans les mêmes conditions.<br /><br />Finalement une illustration numérique des principaux points de cette approche floue est présentée.

Thèse (Ph.D.)--Université de Sherbrooke (Canada), 2008. / Titre de l'écran-titre (visionné le 7 avril 2009). In ProQuest dissertations and theses. Publié aussi en version papier.

Le sepsis est un syndrome observé chez des patients associant une infection documentée (microbiologiquement ou cliniquement suspectée) à une réponse inflammatoire systémique (Systemic Inflammatory Response Syndrome : SIRS).Celui-ci peut évoluer vers un sepsis sévère s'il est associé à la défaillance d'un ou de plusieurs organes. Le choc septique est l'association d'un état septique grave et d'une défaillance hémodynamique caractérisée par une chute aiguë de la pression artérielle ne pouvant pas être corrigée par une procédure standard de remplissage vasculaire. Les syndromes septiques sont aujourd'hui la première cause de mortalité en unités de réanimation. Cette mortalité élevée, en particulier pour les cas les plus graves tels que les chocs septiques, témoigne d'une absence de traitements curatifs pour cette pathologie. Partant de l'hypothèse que les syndromes septiques graves sont la conséquence d'une perte de contrôle précoce de la régulation de la réponse inflammatoire, nous avons étudié, via deux démarches complémentaires, l'initiation de la voie de signalisation TLR4 et les mécanismes intracellulaires contribuant à sa régulation. Dans un premier temps, l'utilisation d'approches transcriptomiques nous a permis d'identifier la voie de signalisation mTOR comme discriminante entre des patients sains (SIRS induit par l'injection d'endotoxines) et des patients souffrant de syndromes septiques graves. Nous avons ensuite développé et utilisé des techniques de modélisation logique pour simuler in silico le rôle joué par la voie mTOR dans la résolution d'une réponse inflammatoire. Ces résultats encourageants ouvrent des perspectives pour de nouvelles applications thérapeutiques dans le domaine du sepsis / Sepsis is a syndrome observed in patients combining a documented infection (microbiologically or clinically suspected) with a systemic inflammatory response (Systemic Inflammatory Response Syndrome : SIRS). It may progress to severe sepsis if it is associated with failures of one or more organs. Septic shock is the combination of a severe sepsis and a hemodynamic dysfunction characterized by an acute fall in blood pressure that cannot be corrected by a procedure of vascular filling.Sepsis syndromes represent today the first cause of mortality in intensive care units around the world. This poor survival rate, in particular for the most severe cases, such as septic shock, testifies a real curative therapeutic demand.Based on the assumption that severe sepsis syndromes are the consequence of a loss of control in early mechanisms of inflammatory response regulation, we studied via two complementary approaches the initiation of TLR4 signaling pathway and the intracellular mechanisms contributing to its regulation.First, the use of transcriptomic approaches allowed us to identify the mTOR signaling pathway as discriminating between healthy patients (SIRS induced by the infusion of endotoxins) and patients with severe septic syndromes. We then developed and used logic modeling approaches to in silico simulate the role played by the mTOR signaling pathway in the resolution of an inflammatory response. These encouraging results open perspectives for new therapeutic applications in the field of sepsis

La modernisation du service public nécessite un accompagnement en matière de GRH pour évaluer les compétences des personnels. Cette démarche passe par la nécessité de disposer d’un outil de gestion adapté, faisant appel aux NTIC, et permettant d’agréger des données qualitatives. Un moteur d’inférence interne a été créé, basé sur l’intelligence artificielle et utilisant la logique floue. Il apparait, à l’issue de la réalisation de l’outil d’Evaluation Assistée par Ordinateur, qu’il doit posséder des qualités particulières permettant de réaliser l’évaluation la plus objective et équitable possible. Sa mise en usage dans des conditions réelles indique que pour pouvoir faire l’objet d’une acceptation et d’une appropriation par les managers et les personnels évalués, il doit être crédible et efficace. Les tests réalisés nous permettent d’affirmer que la perception essentielle de son rôle, de son utilité, et de sa facilité d’utilisation est une nécessité qui est le corollaire de sa pérennité. / The modernization of the public sector requires an HRM accompaniment, for the evaluation competencies of the supervisory staff. This approach relies on the necessity of having an adapted management tool, requiring NICT, and allowing the aggregation of qualitative data. To achieve our objectives, we used an innovative, internal, interference engine based on artificial intelligence, namely the “fuzzy logic”. It would seem, at the conclusion of the realization of our Computer-Aided Evaluation tool, that it must possess particular qualities allowing it to carry out the most objective and fairest evaluation as possible. Its use in real conditions indicates that it must, to be accepted and an appropriation, at once by the managers and the estimated staffs, be credible and effective. The realized tests allow us to assert that the essential perception of its role, its utility, and its facility of use, are a necessity which will be the corollary of ensuring its continual existence.

La tomographie d'émission par positrons (TEP) est un outil de choix en imagerie moléculaire grâce à sa capacité à quantifier certains métabolismes et à porter des diagnostics précis sur l'évolution de pathologies. Cependant, la qualité du diagnostic est dépendante de la qualité de l'image obtenue. La complexité des appareils TEP fait en sorte que ceux-ci nécessitent des calibrations fréquentes demandant un professionnel qualifié dans le domaine que très peu de laboratoires pourvus d'un scanner possèdent. Conséquemment, ce projet vise à concevoir un système intelligent pouvant détecter des fautes et porter un diagnostic sur un scanner TEP de façon automatique dans le but de maximiser la qualité des images produites. Le système intelligent développé permettra alors de pallier à la surcharge ou à l'absence d'un professionnel en laboratoire puisqu'il automatisera le contrôle de qualité de l'appareil. Le projet englobe donc: l'identification de données permettant de détecter et diagnostiquer les fautes, l'implantation de système intelligent par module et de façon hiérarchique, la validation de l'exactitude des diagnostics et finalement l'évaluation de l'impact du système sur la qualité des images produites par le scanner. Pour arriver à son but, le système intelligent met en oeuvre différentes méthodes d'intelligence artificielle comprenant des réseaux de neurones artificiels, un système expert à base de règles et diverses méthodes de traitement de signal. Ce projet se penche plus spécifiquement sur le scanner LabPET, un scanner TEP pour petits animaux développé à Sherbrooke. LabPET est un bon candidat car il comporte un nombre élevé de canaux non interdépendants accentuant ainsi les bénéfices de la parallélisation apportés par le système proposé. Ainsi, les travaux ont permis de réaliser un système ayant une efficacité de détection et une exactitude de diagnostic dépassant les attentes et, une étude de l'impact du système sur la qualité des images a démontré une amélioration significative des paramètres de qualité d'image. Il en découle que le système est bien en mesure d'aider les professionnels dans l'entretien du scanner LabPET. Les résultats devraient permettre de promouvoir le développement de systèmes intelligents de détection et de diagnostic de fautes d'appareils TEP. Des systèmes similaires seront certainement nécessaires au bon fonctionnement des prochaines générations d'appareils TEP, et les résultats de ce projet pourront alors servir de référence.