Les problèmes d’optimisation multi-objectifs mènent souvent à considérer des ensembles de points non-dominés très grands à mesure que la taille et le nombre d’objectifs du problème augmentent. Générer l’ensemble de ces points demande des temps de calculs prohibitifs. De plus, la plupart des solutions correspondantes ne sont pas pertinentes pour un décideur. Une autre approche consiste à utiliser des informations de préférence, ce qui produit un nombre très limité de solutions avec des temps de calcul réduits. Cela nécessite la plupart du temps une élicitation précise de paramètres. Cette étape est souvent difficile pour un décideur et peut amener à délaisser certaines solutions intéressantes. Une approche intermédiaire consiste à raisonner avec des relations de préférences construites à partir d’informations partielles. Nous présentons dans cette thèse plusieurs modèles de relations partielles de préférences. En particulier, nous nous sommes intéressés à la génération de l’ensemble des points non-dominés selon ces relations. Les expérimentations démontrent la pertinence de notre approche en termes de temps de calcul et qualité des points générés. / Multi-objective optimization problems often lead to large nondominated sets, as the size of the problem or the number of objectives increases. Generating the whole nondominated set requires significant computation time, while most of the corresponding solutions are irrelevant to the decision maker. Another approach consists in obtaining preference information, which reduces the computation time and produces one or a very limited number of solutions. This requires the elicitation of precise preference parameters most of the time, which is often difficult and partly arbitrary, and might discard solutions of interest. An intermediate approach consists in using partial preference models.In this thesis, we present several partial preference models. We especially focused on the generation of the nondominated set according to these preference relations. This approach shows competitive performances both on computation time and quality of the generated preferred sets.

La prévision hydrologique nécessite une connaissance adéquate des quantités de neige présentes sur ses bassins versants, particulièrement pour des bassins versants montagneux. Pour beaucoup de bassins, la densité du réseau de stations nivométriques est faible ou parfois même inexistante. De leur côté, les données satellitaires MODIS permettent de suivre l’évolution du couvert de neige sur de grandes superficies de façon journalière et à une résolution spatiale de 500 m. Dans ce contexte, un projet de recherche a été proposé en partenariat entre Rio Tinto Alcan (RTA) et l’Université de Sherbrooke afin d’évaluer l’apport de la télédétection du couvert de neige (MODIS) pour améliorer la prévision hydrologique en période de crue. Le bassin versant à l’étude est celui de la rivière Nechako, situé en Colombie-Britannique (Canada) et caractérisé par sa topographie montagneuse et les grandes quantités de neige s’accumulant sur son territoire. D’abord, une analyse statistique a été réalisée permettant d’obtenir une relation empirique entre l’évolution du volume de crue et la variation de la superficie du couvert de neige (SCN) tirée des images MODIS. Ensuite, les SCN MODIS ont été utilisées pour le calage du modèle hydrologique SWAT selon 9 différentes techniques de calage. Finalement, avec l’aide d’un système de prévision, assimilant d’abord les SCN MODIS pour mettre à jour les conditions initiales, la performance de 5 des 9 calages effectués a été analysée en prévision hydrologique court terme (déterministe) et moyen terme (probabiliste). À partir des résultats, il a été possible d’observer que l’assimilation des SCN MODIS permet d’améliorer les prévisions à plus long terme, particulièrement des volumes de crue. À court terme, la qualité des prévisions d’apports est sensiblement identique avec ou sans assimilation MODIS bien qu’une meilleure simulation des conditions initiales de neige soit observée avec assimilation MODIS. Finalement, la comparaison des calages en prévision hydrologique démontre qu’une légère amélioration des prévisions d’apports moyen terme (3 à 5 mois) est possible lorsque les données MODIS sont utilisées dans la procédure de calage. Cependant, les résultats sont variables dépendamment de la technique de calage utilisée.

Cette thèse présente une méthode permettant d'améliorer un régulateur existant relativement à des spécifications multiples formulées en termes de normes de système L*, L2/H2 et H∞. Trois éléments clés distinguent l'approche proposée. Premièrement, un paramétrage des régulateurs à ordre fixé au moyen d'un facteur stable et observable de la boucle fermée. Deuxièmement, un paramétrage minimal de toutes les paires stables observables fondé sur la théorie des systèmes conservatifs et permettant un ajustement infinitésimal du régulateur à améliorer. Et troisièmement, l'utilisation d'une information de sensibilité pour calculer le sous gradient local du critère d'optimisation et construire une suite minimisante.

Le contenu de cette thèse est divisé en deux parties. La première partie de cette thèse porte sur l'étude d'approches heuristiques pour approximer des fronts de Pareto. Nous proposons un nouvel algorithme de recherche locale pour résoudre des problèmes d'optimisation combinatoire. Cette technique est intégrée dans un modèle opérationnel générique où l'algorithme évolue vers de nouvelles solutions formées en combinant des solutions trouvées dans les étapes précédentes. Cette méthode améliore les algorithmes de recherche locale existants pour résoudre le problème d'assignation quadratique bi- et tri-objectifs.La seconde partie se focalise sur les algorithmes d'ordonnancement dans un contexte non-préemptif. Plus précisément, nous étudions le problème de la minimisation du stretch maximum sur une seule machine pour une exécution online. Nous présentons des résultats positifs et négatifs, puis nous donnons une solution optimale semi-online. Nous étudions ensuite le problème de minimisation du stretch sur une seule machinedans le modèle récent de la réjection. Nous montrons qu'il existe un rapport d'approximation en O(1) pour minimiser le stretch moyen. Nous montrons également qu'il existe un résultat identique pour la minimisation du flot moyen sur une machine. Enfin, nous étudions le problème de la minimisation du somme des flots pondérés dans un contexte online. / The content of this thesis is divided into two parts. The first part of the thesis deals with the study of heuristic based approaches for the approximation Pareto fronts. We propose a new Double Archive Pareto local search algorithm for solving multi-objective combinatorial optimization problems. We embed our technique into a genetic framework where our algorithm restarts with the set of new solutions formed by recombination and mutation of solutions found in the previous run. This method improves upon the existing Pareto local search algorithm for bi-objective and tri-objective quadratic assignment problem.In the second part of the thesis, we focus on non-preemptive scheduling algorithms. Here, we study the online problem of minimizing maximum stretch on a single machine. We present both positive and negative theoretical results. Then, we provide an optimally competitive semi-online algorithm. Furthermore, we study the problem of minimizing stretch on a single machine in a recently proposed rejection model. We show that there exists an O(1)-approximation ratio for minimizing average stretch. We also show that there exists an O(1)-approximation ratio for minimizing average flow time on a single machine. Lastly, we study the weighted average flow time minimization problem in online settings. We present a mathematical programming based framework that unifies multiple resource augmentation. Using the concept of duality, we show that there exists an O(1)-competitive algorithm for solving the weighted average flow time problem on unrelated machines. Furthermore, we proposed that this idea can be extended to minimizing l_k norms of weighted flow problem on unrelated machines.

Les problèmes multi-objectifs se posent dans plusieurs scénarios réels dans le monde où on doit trouver une solution optimale qui soit un compromis entre les différents objectifs en compétition. Dans cette thèse, on étudie et on propose des algorithmes pour traiter les problèmes des machines d’apprentissage multi-objectif. On étudie deux méthodes d’apprentissage multi-objectif en détail. Dans la première méthode, on étudie le problème de trouver le classifieur optimal pour réaliser des mesures de performances multivariées. Dans la seconde méthode, on étudie le problème de classer des informations diverses dans les missions de recherche des informations. / Multi-objective problems arise in many real world scenarios where one has to find an optimal solution considering the trade-off between different competing objectives. Typical examples of multi-objective problems arise in classification, information retrieval, dictionary learning, online learning etc. In this thesis, we study and propose algorithms for multi-objective machine learning problems. We give many interesting examples of multi-objective learning problems which are actively persuaded by the research community to motivate our work. Majority of the state of the art algorithms proposed for multi-objective learning comes under what is called “scalarization method”, an efficient algorithm for solving multi-objective optimization problems. Having motivated our work, we study two multi-objective learning tasks in detail. In the first task, we study the problem of finding the optimal classifier for multivariate performance measures. The problem is studied very actively and recent papers have proposed many algorithms in different classification settings. We study the problem as finding an optimal trade-off between different classification errors, and propose an algorithm based on cost-sensitive classification. In the second task, we study the problem of diverse ranking in information retrieval tasks, in particular recommender systems. We propose an algorithm for diverse ranking making use of the domain specific information, and formulating the problem as a submodular maximization problem for coverage maximization in a weighted similarity graph. Finally, we conclude that scalarization based algorithms works well for multi-objective learning problems. But when considering algorithms for multi-objective learning problems, scalarization need not be the “to go” approach. It is very important to consider the domain specific information and objective functions. We end this thesis by proposing some of the immediate future work, which are currently being experimented, and some of the short term future work which we plan to carry out.

Le présent travail s’intéresse à la prise en compte de l’incertitude et du risque pour l’optimisation de la planification de production au niveau tactique d’une entreprise multi-sites d’une chaîne logistique. La méthode proposée permet d’assurer une planification des opérations de production et d’approvisionnement tout en intégrant au sein de son processus décisionnel un mécanisme de gestion de risque, en présence de diverses sources d’incertitude et d’ambigüité. Pour cela, une «bibliothèque» de critères structurés en deux classes indépendantes : critères de performance et critères de risque a été proposée, dans laquelle le décideur peut sélectionner ceux qui sont en cohérence avec ses préférences et sa stratégie de planification. La méthode doit chercher le bon compromis entre les performances et les risques prédéfinis par le décideur. Pour cela, nous nous somme dirigés dans un premier temps sur le développement d’une approche d’aide à la décision multicritères floue couplant un modèle analytique et la méthode TOPSIS floue. Cette approche consiste à générer un éventail de plans réalisables, caractérisés par leur performance et leur résistance aux risques. Le décideur peut alors choisir le plan qui reflète le compromis le plus adapté à sa stratégie de décision. Une deuxième approche d’optimisation multi-objectifs floue a été proposée dans un deuxième temps pour faire face à des problèmes de planification de grande taille au sein des chaînes logistiques opérant dans un environnement dynamique et incertain. Cette approche combine la méthode TOPSIS Floue, la programmation multi-objectifs possibiliste et la méthode du Goal Programming. L’objectif est de déterminer un plan jugé de bon compromis vis-à- vis des préférences du décideur par rapport aux objectifs de performance et de résistance aux risques. L’instanciation des deux approches proposées sur un exemple numérique a montré leur applicabilité et leur efficacité pour faire face à des problèmes de planification des chaînes logistiques utilisant des données incertaines et des préférences subjectives. Les expérimentations des deux approches permettant de tirer un ensemble d’enseignements utiles.

L'étude menée dans cette thèse porte sur la logistique multi-objectif des déchets ménagers. Elle s'est déroulée en partenariat avec une collectivité locale, la Communauté d'Agglomération du Muretain (CAM) située près de Toulouse qui nous a fournit les problématiques et les différents paramètres à prendre en compte pour le développement de l'étude. Cette thèse s'est déroulée au sein de deux équipes, dans l'équipe de Production Automatisé (PA) du Laboratoire de Génie de Production (LGP) de Tarbes ainsi que dans l'équipe de Modélisation d'Optimisation et de Gestion Intégrée de Systèmes d'Activités (MOGISA) du Laboratoire d'Analyse et d'Architecture des Systèmes (LAAS) de Toulouse. Il y a une trentaine d'année, le traitement des déchets se résumait à une simple mise en décharge. Depuis une conscience collective des problématiques environnementales a placé le traitement des déchets au cœur des préoccupations publiques. La gestion qui est faite des déchets ménagers constitue un enjeu environnemental, économique, social et de citoyennetés majeures, directement lié aux modes de consommation et à la société plus généralement. En France, les municipalités ou les collectivités locales, regroupant plusieurs municipalités, ont en charge de collecter et de convoyer les déchets vers leur lieu de traitement. Dans l'étude proposée, nous allons nous intéresser à la partie logistique, et plus précisément à la collecte et au transport des déchets ménagers et assimilés jusqu’à leur point de décharge (déchetteries, centre de transfert ou centre de traitement directement). Le but étant d’optimiser le transport de déchets tout en gardant une bonne qualité de service. Les enjeux mis en relief pour cette problématique sont les enjeux classiques imposés par toute étude visant à améliorer un service publique : un enjeu économique classique (minimiser les coûts de collecte et de transport), un enjeu environnemental évident (diminuer l'impact environnemental), un enjeu de qualité (satisfaire au mieux les usagers) et enfin un enjeu social (satisfaire les conditions de travail des employés). On va donc ici se concentrer sur l’aspect opérationnel journalier de la gestion. Lorsque celui-ci concerne une planification de trajet pour plusieurs véhicules en même temps qui doivent chacun faire leur circuit en livrant une certaine quantité de produit à chaque client cela se nomme le problème de tournées de véhicules (Vehicle Routing Problem). Ce problème pratique est souvent étudié pour des cas réels et se complexifie avec l’ajout de nombreux paramètres et contraintes, comme par exemple des contraintes d'horaire de passage sur certaines parties du réseau ; ou encore par l'ajout de plusieurs critères à optimiser en mêmes temps, comme par exemple les critères représentant les coûts et ceux représentant l'équilibrage de tournées, etc. / The study in this thesis focuses on the multipurpose logistics of household waste.

Les hélices sont connues pour leur avantage significatif en termes de rendement propulsif. Ces avantages se traduisent directement par une réduction de la consommation de carburant de sorte qu’elles connaissent aujourd’hui un regain d’intérêt. Actuellement, les avancées récentes en simulations numériques rendent possible d’appliquer l’optimisation multidisciplinaire au cas exigeant du design de pales d’hélice transsonique. Pour ces raisons, une méthode d’optimisation est développée, dans laquelle les objectifs de performance aérodynamique, aéroacoustique et aéroélastique sont en concurrence. Cette méthode est appliquée au design de pales d’hélice à haute vitesse et à simple rotation. L’optimisation s’appuie sur l’Evolution Différentielle Multi-Objectifs (Multi-Objective Differential Evolution - MODE). Cette technique est une des formes d’algorithme évolutionnaire qui mimique l’évolution naturelle des populations par le concours de la sélection, de la recombinaison et de l’éventuelle mutation de formes de pales, chacune d’elles étant représentée par un vecteur de variables (corde, angle de flèche, etc. . .). MODE offre l’avantage de considérer tous les objectifs en concurrence lors de la sélection des designs prometteurs au sein d’une population. Afin de garder le coût computationnel dans des limites acceptables, l’évaluation des performances des designs proposés est faite par une approche à deux niveaux. Un meta-modèle fournit les estimations de performance pour chaque design à un coût computationnel extrêmement faible alors que des codes d’analyse à haute fidélité calculent les performances précises à un coût nettement plus élevé. Pour préserver la précision des estimations, le meta-modèle est initialement entraîné sur une population composée à cet effet. L’entraînement est ensuite répété de temps à autres avec les performances haute fidélité de designs prometteurs. Différents outils à haute fidélité ont été développés et utilisés dans ce cadre. L’outil CFD exécute la simulation RANS stationnaire d’un seul passage d’entrepales pour une hélice isolée sans angle d’attaque dans un écoulement libre. Ces simulations délivrent les valeurs de performance aérodynamique. L’hélice complète est modélisée grâce à des conditions aux limites cycliques. Le modèle de turbulence k - ε est utilisé en combinaison avec un traitement adapté près des murs. Des conditions adiabatiques et sans glissement sont imposées sur le carénage et la surface de la pale tandis que la limite radiale de la section d’essais reproduit les effets d’un champ de pression lointain. Cette approche a prouvé sa robustesse et, par-dessus tout, sa précision puisque une correspondance acceptable avec des résultats expérimentaux est obtenue pour différentes conditions d’utilisation et un large éventail de formes de pales. De plus, l’indépendance par rapport au maillage est satisfaisante. Lors de l’analyse a posteriori des résultats aérodynamiques, le Sound Pressure Level (SPL) est calculé par l’outil aéroacoustique (CHA) pour le bruit tonal en différentes positions. La formulation 1A de Farassat est utilisée à cette fin. Cette formulation découle de l’équation non-homogène d’onde dérivée de l’analogie acoustique de Lighthill par Ffowcs Williams et Hawkings (FW-H). Elle bénéficie du découplage partiel des aspects aérodynamiques et aéroacoustiques en plus d’être particulièrement adaptée pour le calcul du bruit d’hélice. Le bruit d’épaisseur et le bruit de charge sont exprimés par des termes séparés dans le domaine temporel tandis que les quadripôles de l’équation de FW-H sont négligés. La surface de la pale est utilisée comme surface d’intégration et une nouvelle technique de troncation a été développée et appliquée pour circonvenir la singularité mathématique qui apparaît lorsque des parties de la pale ont des conditions soniques en termes de cinématique par rapport à l’observateur. Cette approche délivre des résultats fiables à un coût acceptable. [...] / Open rotors are known to have significant advantages in terms of propulsive efficiency. These advantages translate directly in reduced fuel burn so that they nowadays benefit from a surge of interest. At the same time, recent advances in numerical simulations make the application of multidisciplinary optimization for the demanding design of transonic propeller blades, an affordable option. Therefore, an optimization method in which the performance objectives of aerodynamics, aeroacoustics and aeroelasticity compete against each other, is developed and applied for the design of high-speed single-rotation propellers. The optimization is based on Multi-Objective Differential Evolution (MODE).This technique is a particular kind of evolutionary algorithm that mimics the natural evolution of populations by relying on the selection, recombination and eventually mutation of blade designs, each of them being represented by a vector of design variables (e.g. chord width, tip sweep, etc). MODE has the advantage of dealing concurrently with all the objectives in the selection of potentially promising designs among a population. In order to keep the computational cost within reasonable margins, the assessment of the performance of proposed designs is done in a two-level approach. A metamodel provides performance estimates for each proposed design at extremely low computational effort while high-fidelity analysis codes provide accurate performance values on some promising designs at much higher cost. To safeguard the accuracy of the estimates, the metamodel is initially trained on a population that is specifically assembled for that purpose. The training is repeated from time to time with the high-fidelity performance values of promising designs. Different high-fidelity tools have been developed and used for the assessment of performance.The CFD-tool performs steady RANS simulations of a single blade passage of the isolated propeller in free air under zero angle of attack. These simulations provide the aerodynamic performance values. The full propeller is modelled thanks to cyclic boundary conditions. The k - ε turbulence model is used in combination with wall treatment. Adiabatic no-slip wall conditions are imposed on the spinner and blade surfaces whereas the test-section radial boundary is reproducing the effects of a pressure far-field. This approach has proven its robustness and, above all, its accuracy as satisfactory agreement with experimental results has been found for different operating conditions over a wide range of blade shapes, as well as sufficient grid independency. In the post-processing of the aerodynamic results, the Sound Pressure Level (SPL)is computed for tonal noise at various observer locations by the aeroacoustic solver(CHA). Formulation 1A from Farassat is used for this purpose. This formulation is related to the inhomogeneous wave equation derived from Lighthill’s acoustic analogy by Ffowcs Williams and Hawkings (FW-H). It benefits from the partial decoupling of the acoustic and aerodynamic aspects and is particularly suited to compute the noise from propellers. The thickness noise and loading noise are expressed by separate equations in the time-domain whereas the quadrupole source term is dropped from the original FW-H equation. The blade surface is chosen as integration surface and a newly developed truncation technique is applied to circumvent the mathematical singularity arising when parts of the blade reach sonic conditions in terms of kinematics with respect to the observer. This approach delivers accurate values at acceptable computational cost. Besides, CSM-computations make use of a finite elements solver to compute the total mass of the blade as well as the stresses resulting from the centrifugal and aerodynamic forces. Considering the numerous possibilities to tailor the blade structure so that it properly takes on the stresses, only a simplified blade model is implemented. [...]

Le renforcement du secteur de la transformation agroalimentaire est reconnu comme un élément moteur de développement des pays d’Afrique subsaharienne, face à une importante croissance démographique accompagnée d’un fort taux d’urbanisation. Si les entreprises agroalimentaires créent localement de la valeur ajoutée et dynamisent la production agricole, elles éprouvent des difficultés pour se doter d’équipements efficients et assurer leur fourniture énergétique.Les méthodes de conception et d’optimisation des procédés agroalimentaires sont encore peu développées, du fait de la complexité de ces systèmes (composition et propriétés de l’aliment, variabilité et évolution de sa qualité, ...) dont la modélisation n’est pas aisée car elle requiert des connaissances pluridisciplinaires.Ce travail se propose de mettre en œuvre une méthode intégrée, déjà éprouvée dans d’autres domaines industriels, la méthode « Observation-Interprétation-Agrégation (O.I.A.) », et de l’appliquer à un procédé couplant une unité de conversion biomasse énergie à un séchoir de produits céréaliers. L’apport de bioénergie pour le séchage, opération très pratiquée en Afrique de l’Ouest mais énergivore constitue un enjeu pour les entreprises. La conception de ce procédé prend en compte des objectifs variés comme la qualité du produit séché, la fabrication locale et l’efficacité énergétique des équipements et ce, pour en garantir une meilleure durabilité.Dans une première partie, les modèles de transfert de chaleur et de perte de pression associés à un turbulateur elliptique innovant sont créés. Cet élément s’insère dans les tubes d’un échangeur de chaleur et améliore nettement le transfert thermique. Dans un deuxième temps, les variables de conception et d’observation du procédé sont définies et justifiées. Les modèles de représentation des différentes opérations unitaires sont développés et assemblés dans un simulateur afin de prédire les performances du procédé. Dans une dernière partie, le simulateur est intégré dans un environnement d’optimisation multicritère apte à formaliser, interpréter puis agréger les préférences des utilisateurs finaux. Ce processus s’appuie sur un algorithme génétique. La pertinence des solutions de conception du procédé performantes produites révèle tout l’intérêt et la performance de la méthode O.I.A. Le concepteur dispose ainsi d’éléments objectifs pour faire des choix et aller vers la réalisation d’installations de séchage durables en Afrique de l’Ouest. / The reinforcement of the food processing sector is recognized as a driving factor for the development of sub-Saharan African countries, faced with considerable major demographic growth accompanied by a high rate of urbanization. While the agribusiness companies generate added value locally and boost agricultural production, they find difficulties in obtaining efficient equipment and securing their energy supply.Agribusiness process design and optimization methods are still underdeveloped, due to the complexity of these systems (food composition and properties, variable and changing quality, etc.), modelling of which is not easy since it requires multidisciplinary knowledge.This work proposes to implement an integrated method, already proven in other industrial fields, the “Observation-Interpretation-Aggregation” method (OIA), and apply it to a process coupling a biomass energy conversion unit to a cereal products dryer. The bioenergy supply for drying, a very common practice in West Africa despite being energy-intensive, represents a challenge for the companies. The design of this process takes into account the various objectives such as quality of the dried product, local manufacture and the energy efficiency of the equipment, in order to guarantee better sustainability.First of all, the models for heat transfer and pressure loss associated with an innovative elliptic turbulator are created. This component is inserted into the tubes of a heat exchanger, and significantly improves heat transfer. Secondly, the process design and observation variables are defined and justified. The representation models of the various unit operations are developed and brought together in a simulator, in order to predict the process performances. Finally, the simulator is integrated into a multicriteria optimization environment able to formalize, interpret and then aggregate end user preferences. This procedure is based on a genetic algorithm. The relevance of the high-performance design solutions produced reveals the full benefit and performance of the OIA method. In this way, the designer obtains objective information on which to base their choices, and develop sustainable drying facilities for West Africa.

Le problème étudié est celui de l'ordonnancement d'applications dans lessystèmes parallèles et distribués avec plusieurs utilisateurs. Les nouvellesplates-formes de calcul parallèle et distribué offrent des puissances trèsgrandes qui permettent d'envisager la résolution d'applications complexesinteractives. Aujourd'hui, il reste encore difficile d'utiliser efficacementcette puissance par manque d'outils de gestion de ressources. Le travaileffectué dans cette thèse se place dans cette perspective d'analyser etdévelopper des algorithmes efficaces pour gérer efficacement des ressources decalcul partagées entre plusieurs utilisateurs. On analyse les scénarios avecplusieurs soumissions lancées par multiples utilisateurs au cours du temps. Cessoumissions ont un ou plus de processus et l'ensemble de soumissions estorganisé en successifs campagnes. Les processus d'une seule campagnesont séquentiels et indépendants, mais les processus d'une campagne ne peuventpas commencer leur exécution avant que tous les processus provenant de ladernière campagne sont completés. Chaque utilisateur est intéressé à minimiserla somme des temps de réponses des campagnes. On définit un modèle théorique pour l'ordonnancement des campagnes et on montreque, dans le cas général, c'est NP-difficile. Pour le cas avec un utilisateur,on démontre qu'un algorithme d'ordonnancement $ho$-approximation pour le(classique) problème d'ordonnancement de tâches parallèles est aussi un$ho$-approximation pour le problème d'ordonnancement de campagnes. Pour lecas général avec $k$ utilisateurs, on établis un critère de emph{fairness}inspiré par partage de temps. On propose FairCamp, un algorithmed'ordonnancement qu'utilise dates limite pour réaliser emph{fairness} parmiles utilisateurs entre consécutifes campagnes. On prouve que FairCamp augmentele temps de réponse de chaque utilisateur par a facteur maximum de $kho$ parrapport un processeur dédiée à l'utilisateur. On prouve aussi que FairCamp estun algorithme $ho$-approximation pour le maximum emph{stretch}.On compare FairCamp contre emph{First-Come-First-Served} (FCFS) parsimulation. On démontre que, comparativement à FCFS, FairCamp réduit le maximal{em stretch} a la limite de $3.4$ fois. La différence est significative dansles systèmes utilisé pour plusieurs ($k>5$) utilisateurs.Les résultats montrent que, plutôt que juste des tâches individuelle etindépendants, campagnes de tâches peuvent être manipulées d'une manièreefficace et équitable. / We study the problem of scheduling in parallel and distributedsystems with multiple users. New platforms for parallel and distributedcomputing offers very large power which allows to contemplate the resolution ofcomplex interactive applications. Nowadays, it is still difficult to use thispower efficiently due to lack of resource management tools. The work done inthis thesis lies in this context: to analyse and develop efficient algorithmsfor manage computing resources shared among multiple users. We analyzescenarios with many submissions issued from multiple users over time. Thesesubmissions contain one or more jobs and the set of submissions are organizedin successive campaigns. Any job from a campaign can not start until allthe jobs from the previous campaign are completed. Each user is interested inminimizing the sum of flow times of the campaigns.In the first part of this work, we define a theoretical model for Campaign Scheduling under restrictive assumptions andwe show that, in the general case, it is NP-hard. For the single-user case, we show that an$ho$-approximation scheduling algorithm for the (classic) parallel jobscheduling problem is also an $ho$-approximation for the Campaign Schedulingproblem. For the general case with $k$ users, we establish a fairness criteriainspired by time sharing. Then, we propose FairCamp, a scheduling algorithm whichuses campaign deadlines to achieve fairness among users between consecutivecampaigns. We prove that FairCamp increases the flow time of each user by afactor of at most $kho$ compared with a machine dedicated to the user. Wealso prove that FairCamp is an $ho$-approximation algorithm for the maximumstretch.We compare FairCamp to {em First-Come-First-Served} (FCFS) by simulation. We showthat, compared with FCFS, FairCamp reduces the maximum stretch by up to $3.4$times. The difference is significant in systems used by many ($k>5$) users.Our results show that, rather than just individual, independent jobs, campaignsof jobs can be handled by the scheduler efficiently and fairly.