No description available.

La littérature sur le stress au travail considère souvent que les personnes dépourvues de soutien social tendent à avoir un taux de stress plus élevé. Si cette vision est confirmée empiriquement, elle a toutefois une portée limitée : elle ne tient pas toujours compte de l’inégalité d’accès au soutien, inégalité qui affecte la perception de ce soutien. Pourquoi certains salariés ont plus de facilité à accéder au soutien social ? Qu’est-ce qui fait que l’aide est plus disponible et plus variée pour une personne plutôt que pour une autre ? Ces interrogations nous amènent à situer le soutien social perçu, et plus précisément le soutien des collègues perçu, dans un modèle théorique plus large nourri par la théorie des réseaux sociaux. A l’aide d’un modèle explicatif, l’objectif de notre recherche est d’étudier l’impact du positionnement de l’individu dans le réseau social sur le stress au travail perçu. Les hypothèses de recherche ont été testées en utilisant les techniques de régression en moindres carrés partiels pour estimer les équations structurelles. A partir de données de type « réseau complet » collectées auprès d’une entreprise de services de taille moyenne (N=343), nous avons montré que la force des liens favorise l’accès au soutien des collègues et, par conséquent, réduit le stress professionnel. Les résultats indiquent que le soutien des collègues est médiateur total dans cette relation, et que le lien direct entre la force des liens et le stress perçu n’est pas établi. De plus, nous avons confirmé l’ambivalence des bridging ties (liens vers des personnes de départements différents) : ils influencent négativement la perception du soutien social (qui réduit le stress), mais ont aussi un effet négatif direct sur le stress au travail. En soulignant le rôle des relations informelles comme antécédent au soutien social, nous avons contribué à fournir un outil analytique susceptible d’être mis en œuvre dans la sphère managériale. / The literature on workplace stress often considers that people who lack social support tend to have higher levels of perceived stress. This is empirically confirmed, but it is not always taken into account and offers limited scope. Indeed, why do some employees have more access to social support? What renders support more available and more varied from one person to the other? These questions allow us to situate perceived social support, and more accurately the perceived support of colleagues, in a larger theoretical model, enhanced by social network theory. Through an explanatory model, the objective of this research is to explore the role of the positioning of the individual in the social network on perceived workplace stress. Based on a “complete network” data in a medium-sized IT services company, we used partial least squares to test our hypothesis (N = 343). The strength of ties affects stress through social support, such that people with stronger ties perceive more support and ultimately exhibit less stress. However, the direct link between strength and stress is not established. Bridging ties (supportive ties to other departments) negatively influence social support (a situation which increases stress) but also have a direct negative effect on stress. By stressing the role of social relationships as an antecedent of social support and stress, our results offer new potential managerial actions within organizations

Mettre en place des stratégies de lutte contre les ravageurs, indépendantes des produits chimiques est un objectif fondamental pour une protection durable des cultures contre les ravageurs et la conservation d’un environnement sain pour les populations humaines en zone rurale. L’objectif principal de ce travail était de contribuer à la mise en place d’une lutte biologique par gestion des habitats à l’échelle du paysage de la noctuelle polyphage Helicoverpa armigera, principal ravageur de cotonnier dans le nord Bénin. Cette thèse visait à analyser l’influence des pratiques agricoles et de l’organisation du paysage sur l’abondance et l’origine trophique de H. armigera. L’analyse biochimique d’individus élevés en laboratoire, nous a permis de confirmer le fait que le gossypol est un bon marqueur pour identifier les adultes qui ont passé leur vie larvaire sur le cotonnier. Au contraire de la tomatine qui ne peut être considérée comme un marqueur de la tomate car la tomatine a été détectée seulement chez les larves d’H. armigera et non chez les adultes. Notre étude sur le terrain au nord Bénin dans 40 parcelles, a montré que les pratiques agricoles avaient un fort effet sur l’infestation larvaire. La date de semis et la fréquence de sarclage étaient négativement corrélées à l’infestation larvaire. La proportion de cotonniers dans le paysage et celle de tomate ont influencé positivement l’infestation en larves d’H. armigera. Nous avons également montré qu’un précédent cultural tomate présentait une abondance larvaire en moyenne trois fois supérieur à un précédent cultural maïs. Ensuite, dans des rayons de 100 m, 250 m et 500 m, nous avons étudié les effets de la composition et de l’hétérogénéité du paysage d’une part sur l’abondance des adultes d’H. armigera et d’autre part sur leur origine trophique. L’hétérogénéité du paysage en plantes hôtes est le facteur paysager principal qui a influencé positivement l’abondance des adultes. Les isotopes stables de Carbone nous ont permis d’identifier les individus dont la larve s’était nourrie sur des plantes de type photosynthétique C3 (cotonniers, tomates, ...) ou C4 (maïs, sorgho, …). L’origine trophique, plantes hôtes C3 ou C4, est reliée positivement à la proportion de plantes hôtes respectivement C3 ou C4 dans un rayon de 500m. Seulement 10% des individus ayant consommés des plantes en C3 ont été détecté positif au gossypol. La proportion de cotonniers dans le paysage ne semble pas expliquer la proportion d’individus détectés positif au gossypol. Nous formulons des propositions de gestion de l’assolement et des rotations culturales pour contribuer à la régulation d’H. armigera. Ainsi, il faudrait éviter que le cotonnier soit semé sur un précédent cultural tomate. Il serait important de décaler les dates de semis entre les parcelles de cotonniers voisines et de respecter la fréquence de sarclage minimale qui est de trois. Par ailleurs, il serait judicieux de préférer un environnement paysager homogène autour d’une parcelle de cotonnier, en privilégiant par exemple, le maïs. / The development of strategies independent of pesticides is a fundamental objective for sustainable crop protection against pests as well as for maintaining of a healthy environment for human populations. The rationale of the research presented here was to improve our ability to control the cotton bollworm, Helicoverpa armigera by non-pesticide methods via habitat conservation. We analyzed the influence of agricultural practices and landscape composition and diversity on the abundance and trophic origin of H. armigera and assessed gossypol and tomatine in individual H. armigera as cotton and tomato biomarkers respectively. Gossypol was shown to be a stable cotton biomarker, even in adult H. armigera 12 days after emergence. In contrast, tomatine was only detected in larvae of H. armigera and not adults; thereby tomatine can not be considered as a marker of tomato plants. Subsequently, in north Benin, the abundance of H. armigera larvae and adults was monitored in cotton fields. We found a strong effect of agricultural practices on H. armigera larvae abundance. Delay sowing date and increase frequency of weeding reduced the abundance of H. armigera in cotton fields; whereas the proportion of cotton and tomato in the landscape increased. This study also highlights the role of the previous landcover in the infestation of a cotton field: A previous tomato landcover increased infestation three times more than a previous maize landcover. At nested scales ranging from 100 m, 250 m to 500 m, we studied the effects of landscape composition and diversity firstly on the abundance of adult H. armigera and secondly on their trophic origin. We found that, landscape diversity was the main factor that influenced both the abundance adult and their trophic origin at 500 m scale. Analyses of stables isotopes of Carbone showed that proportion of hosts plants with C3 photosynthetic pathway in the landscape was positively related to H. armigera moths with C3 trophic origin signal at 500 m scale. Only 10% of moths were positive to gossypol signal. The proportion of cotton in the landscape seems not important to explain the trophic origin of individual which were positive to gossypol signal. Therefore, for integrated management of H. armigera our results suggest it is necessary to consider the following agricultural practices and crop diversity regimes (in regard to the resource use strategies of this polyphagous pest). A tomato previous landcover should be avoid; shift sowing date between cotton fields, and have at less three manual weedings. In additional, we suggest employing maize around cotton fields rather than other crops.

L’objectif de cette thèse était d’appliquer des méthodes d’analyse multivariées au traitement des données provenant de la spectroscopie de plasma induit par laser (LIBS) et de la spectroscopie térahertz (THz) dans le but d’accroître les performances analytiques de ces techniques.Les spectres LIBS provenaient de campagnes de mesures directes sur différents sites géologiques. Une approche univariée n’a pas été envisageable à cause d’importants effets de matrices et c’est pour cela qu’on a analysé les données provenant des spectres LIBS par réseaux de neurones artificiels (ANN). Cela a permis de quantifier plusieurs éléments mineurs et majeurs dans les échantillons de sol avec un écart relatif de prédiction inférieur à 20% par rapport aux valeurs de référence, jugé acceptable pour des analyses sur site. Dans certains cas, il a cependant été nécessaire de prendre en compte plusieurs modèles ANN, d’une part pour classer les échantillons de sol en fonction d’un seuil de concentration et de la nature de leur matrice, et d’autre part pour prédire la concentration d’un analyte. Cette approche globale a été démontrée avec succès dans le cas particulier de l’analyse du plomb pour un échantillon de sol inconnu. Enfin, le développement d’un outil de traitement par ANN a fait l’objet d’un transfert industriel.Dans un second temps, nous avons traité des spectres d’absorbance terahertz. Ce spectres provenaient de mesures d’absorbance sur des mélanges ternaires de Fructose-Lactose-acide citrique liés par du polyéthylène et préparés sous forme de pastilles. Une analyse semi-quantitative a été réalisée avec succès par analyse en composantes principales (ACP). Puis les méthodes quantitatives de régression par moindres carrés partiels (PLS) et de réseaux de neurons artificiels (ANN) ont permis de prédire les concentrations de chaque constituant de l’échantillon avec une valeur d’erreur quadratique moyenne inférieure à 0.95 %. Pour chaque méthode de traitement, le choix des données d’entrée et la validation de la méthode ont été discutés en détail. / The aim of this work was the application of multivariate methods to analyze spectral data from laser-induced breakdown spectroscopy (LIBS) and terahertz (THz) spectroscopy to improve the analytical ability of these techniques.In this work, the LIBS data were derived from on-site measurements of soil samples. The common univariate approach was not efficient enough for accurate quantitative analysis and consequently artificial neural networks (ANN) were applied. This allowed quantifying several major and minor elements into soil samples with relative error of prediction lower than 20% compared to reference values. In specific cases, a single ANN model didn’t allow to successfully achieving the quantitative analysis and it was necessary to exploit a series of ANN models, either for classification purpose against a concentration threshold or a matrix type, or for quantification. This complete approach based on a series of ANN models was efficiently applied to the quantitative analysis of unknown soil samples. Based on this work, a module of data treatment by ANN was included into the software Analibs of the IVEA company. The second part of this work was focused on the data treatment of absorbance spectra in the terahertz range. The samples were pressed pellets of mixtures of three products, namely fructose, lactose and citric acid with polyethylene as binder. A very efficient semi-quantitative analysis was conducted by using principal component analysis (PCA). Then, quantitative analyses based on partial least squares regression (PLS) and ANN allowed quantifying the concentrations of each product with a root mean square error (RMSE) lower than 0.95 %. All along this work on data processing, both the selection of input data and the evaluation of each model have been studied in details.

L'objectif de cette thèse était d'appliquer des méthodes d'analyse multivariées au traitement des données provenant de la spectroscopie de plasma induit par laser (LIBS) et de la spectroscopie térahertz (THz) dans le but d'accroître les performances analytiques de ces techniques.Les spectres LIBS provenaient de campagnes de mesures directes sur différents sites géologiques. Une approche univariée n'a pas été envisageable à cause d'importants effets de matrices et c'est pour cela qu'on a analysé les données provenant des spectres LIBS par réseaux de neurones artificiels (ANN). Cela a permis de quantifier plusieurs éléments mineurs et majeurs dans les échantillons de sol avec un écart relatif de prédiction inférieur à 20% par rapport aux valeurs de référence, jugé acceptable pour des analyses sur site. Dans certains cas, il a cependant été nécessaire de prendre en compte plusieurs modèles ANN, d'une part pour classer les échantillons de sol en fonction d'un seuil de concentration et de la nature de leur matrice, et d'autre part pour prédire la concentration d'un analyte. Cette approche globale a été démontrée avec succès dans le cas particulier de l'analyse du plomb pour un échantillon de sol inconnu. Enfin, le développement d'un outil de traitement par ANN a fait l'objet d'un transfert industriel.Dans un second temps, nous avons traité des spectres d'absorbance terahertz. Ce spectres provenaient de mesures d'absorbance sur des mélanges ternaires de Fructose-Lactose-acide citrique liés par du polyéthylène et préparés sous forme de pastilles. Une analyse semi-quantitative a été réalisée avec succès par analyse en composantes principales (ACP). Puis les méthodes quantitatives de régression par moindres carrés partiels (PLS) et de réseaux de neurons artificiels (ANN) ont permis de prédire les concentrations de chaque constituant de l'échantillon avec une valeur d'erreur quadratique moyenne inférieure à 0.95 %. Pour chaque méthode de traitement, le choix des données d'entrée et la validation de la méthode ont été discutés en détail.

Dans cette thèse, j’exploite le cadre d’analyse de données fonctionnelles et développe l’analyse d’inférence et de prédiction, avec une application à des sujets sur les marchés financiers. Cette thèse est organisée en trois chapitres. Le premier chapitre est un article co-écrit avec Marine Carrasco. Dans ce chapitre, nous considérons un modèle de régression linéaire fonctionnelle avec une variable prédictive fonctionnelle et une réponse scalaire. Nous effectuons une comparaison théorique des techniques d’analyse des composantes principales fonctionnelles (FPCA) et des moindres carrés partiels fonctionnels (FPLS). Nous déterminons la vitesse de convergence de l’erreur quadratique moyen d’estimation (MSE) pour ces méthodes. Aussi, nous montrons cette vitesse est sharp. Nous découvrons également que le biais de régularisation de la méthode FPLS est plus petit que celui de FPCA, tandis que son erreur d’estimation a tendance à être plus grande que celle de FPCA. De plus, nous montrons que le FPLS surpasse le FPCA en termes de prédiction avec moins de composantes. Le deuxième chapitre considère un modèle autorégressif entièrement fonctionnel (FAR) pour prèvoir toute la courbe de rendement du S&P 500 a la prochaine journée. Je mène une analyse comparative de quatre techniques de Big Data, dont la méthode de Tikhonov fonctionnelle (FT), la technique de Landweber-Fridman fonctionnelle (FLF), la coupure spectrale fonctionnelle (FSC) et les moindres carrés partiels fonctionnels (FPLS). La vitesse de convergence, la distribution asymptotique et une stratégie de test statistique pour sélectionner le nombre de retard sont fournis. Les simulations et les données réelles montrent que les méthode FPLS performe mieux les autres en terme d’estimation du paramètre tandis que toutes ces méthodes affichent des performances similaires en termes de prédiction. Le troisième chapitre propose d’estimer la densité de neutralité au risque (RND) dans le contexte de la tarification des options, à l’aide d’un modèle fonctionnel. L’avantage de cette approche est qu’elle exploite la théorie d’absence d’arbitrage et qu’il est possible d’éviter toute sorte de paramétrisation. L’estimation conduit à un problème d’inversibilité et la technique fonctionnelle de Landweber-Fridman (FLF) est utilisée pour le surmonter. / In this thesis, I exploit the functional data analysis framework and develop inference, prediction and forecasting analysis, with an application to topics in the financial market. This thesis is organized in three chapters. The first chapter is a paper co-authored with Marine Carrasco. In this chapter, we consider a functional linear regression model with a functional predictor variable and a scalar response. We develop a theoretical comparison of the Functional Principal Component Analysis (FPCA) and Functional Partial Least Squares (FPLS) techniques. We derive the convergence rate of the Mean Squared Error (MSE) for these methods. We show that this rate of convergence is sharp. We also find that the regularization bias of the FPLS method is smaller than the one of FPCA, while its estimation error tends to be larger than that of FPCA. Additionally, we show that FPLS outperforms FPCA in terms of prediction accuracy with a fewer number of components. The second chapter considers a fully functional autoregressive model (FAR) to forecast the next day’s return curve of the S&P 500. In contrast to the standard AR(1) model where each observation is a scalar, in this research each daily return curve is a collection of 390 points and is considered as one observation. I conduct a comparative analysis of four big data techniques including Functional Tikhonov method (FT), Functional Landweber-Fridman technique (FLF), Functional spectral-cut off (FSC), and Functional Partial Least Squares (FPLS). The convergence rate, asymptotic distribution, and a test-based strategy to select the lag number are provided. Simulations and real data show that FPLS method tends to outperform the other in terms of estimation accuracy while all the considered methods display almost the same predictive performance. The third chapter proposes to estimate the risk neutral density (RND) for options pricing with a functional linear model. The benefit of this approach is that it exploits directly the fundamental arbitrage-free equation and it is possible to avoid any additional density parametrization. The estimation problem leads to an inverse problem and the functional Landweber-Fridman (FLF) technique is used to overcome this issue.

Les plantes médicinales constituent une source inexhaustible de composés (des produits naturels - PN) utilisé en médecine pour la prévention et le traitement de diverses maladies. L'introduction de nouvelles technologies et méthodes dans le domaine de la chimie des produits naturels a permis le développement de méthodes ‘high throughput’ pour la détermination de la composition chimique des extraits de plantes, l'évaluation de leurs propriétés et l'exploration de leur potentiel en tant que candidats médicaments. Dernièrement, la métabolomique, une approche intégrée incorporant les avantages des technologies d'analyse moderne et la puissance de la bioinformatique s’est révélé un outil efficace dans la biologie des systèmes. En particulier, l'application de la métabolomique pour la découverte de nouveaux composés bioactifs constitue un domaine émergent dans la chimie des produits naturels. Dans ce contexte, le genre Acronychia de la famille des Rutaceae a été choisi sur la base de son usage en médecine traditionnelle pour ses propriétés antimicrobienne, antipyrétique, antispasmodique et anti-inflammatoire. Nombre de méthodes chromatographiques modernes, spectrométriques et spectroscopiques sont utilisées pour l'exploration de leur contenu en métabolites suivant trois axes principaux constituant les trois chapitres de cette thèse. En bref, le premier chapitre décrit l’étude phytochimique d’Acronychia pedunculata, l’identification des métabolites secondaires contenus dans cette espèce et l'évaluation de leurs propriétés biologiques. Le deuxième chapitre vise au développement de méthodes analytiques pour l'identification des dimères d’acétophénones (marqueurs chimiotaxonomiques du genre) et aux stratégies utilisées pour la déréplication de ces différents extraits et la caractérisation chimique des composés par UHPLC-HRMSn. Le troisième chapitre se concentre sur l'application de méthodologies métabolomique (RMN et LC-MS) pour l'analyse comparative (entre les différentes espèces, origines, organes), pour des études chimiotaxonomiques (entre les espèces) et pour la corrélation des composés contenus avec une activité pharmacologique. / Medicinal plants constitute an unfailing source of compounds (natural products – NPs) utilised in medicine for the prevention and treatment of various deceases. The introduction of new technologies and methods in the field of natural products chemistry enabled the development of high throughput methodologies for the chemical composition determination of plant extracts, evaluation of their properties and the exploration of their potentials as drug candidates. Lately, metabolomics, an integrated approach incorporating the advantages of modern analytical technologies and the power of bioinformatics has been proven an efficient tool in systems biology. In particular, the application of metabolomics for the discovery of new bioactive compounds constitutes an emerging field in natural products chemistry. In this context, Acronychia genus of Rutaceae family was selected based on its well-known traditional use as antimicrobial, antipyretic, antispasmodic and anti-inflammatory therapeutic agent. Modern chromatographic, spectrometric and spectroscopic methods were utilised for the exploration of their metabolite content following three basic axes constituting the three chapters of this thesis. Briefly, the first chapter describes the phytochemical investigation of Acronychia pedunculata, the identification of secondary metabolites contained in this species and evaluation of their biological properties. The second chapter refers to the development of analytical methods for the identification of acetophenones (chemotaxonomic markers of the genus) and to the dereplication strategies for the chemical characterisation of extracts by UHPLC-HRMSn. The third chapter focuses on the application of metabolomic methodologies (LC-MS & NMR) for comparative analysis (between different species, origins, organs), chemotaxonomic studies (between species) and compound-activity correlations.