De nos jours, les réseaux de neurones artificiels sont largement utilisés dans de nombreusesapplications telles que le traitement d’image ou du signal. Récemment, un nouveau modèlede réseau de neurones a été proposé pour concevoir des mémoires associatives, le GBNN(Gripon-Berrou Neural Network). Ce modèle offre une capacité de stockage supérieure àcelle des réseaux de Hopfield lorsque les informations à mémoriser ont une distributionuniforme. Des méthodes améliorant leur performance pour des distributions non-uniformesainsi que des architectures matérielles mettant en œuvre les réseaux GBNN ont étéproposés. Cependant, ces solutions restent très coûteuses en ressources matérielles, et lesarchitectures proposées sont restreintes à des réseaux de tailles fixes et sont incapables depasser à l’échelle.Les objectifs de cette thèse sont les suivants : (1) concevoir des modèles inspirés du modèle GBNN et plus performants que l’état de l’art, (2) proposer des architectures moins coûteusesque les solutions existantes et (3) concevoir une architecture générique configurable mettanten œuvre les modèles proposés et capable de manipuler des réseaux de tailles variables.Les résultats des travaux de thèse sont exposés en plusieurs parties. Le concept de réseaux àclones de neurone et ses différentes instanciations sont présentés dans un premier temps. Cesréseaux offrent de meilleures performances que l’état de l’art pour un coût mémoireidentique lorsqu’une distribution non-uniforme des informations à mémoriser estconsidérée. Des optimisations de l’architecture matérielle sont ensuite introduites afin defortement réduire le coût en termes de ressources. Enfin, une architecture générique capablede passer à l’échelle et capable de manipuler des réseaux de tailles variables est proposée. / Nowadays, artificial neural networks are widely used in many applications such as image and signal processing. Recently, a new model of neural network was proposed to design associative memories, the GBNN (Gripon-Berrou Neural Network). This model offers a storage capacity exceeding those of Hopfield networks when the information to be stored has a uniform distribution. Methods improving performance for non-uniform distributions and hardware architectures implementing the GBNN networks were proposed. However, on one hand, these solutions are very expensive in terms of hardware resources and on the other hand, the proposed architectures can only implement fixed size networks and are not scalable. The objectives of this thesis are: (1) to design GBNN inspired models outperforming the state of the art, (2) to propose architectures cheaper than existing solutions and (3) to design a generic architecture implementing the proposed models and able to handle various sizes of networks. The results of these works are exposed in several parts. Initially, the concept of clone based neural networks and its variants are presented. These networks offer better performance than the state of the art for the same memory cost when a non-uniform distribution of the information to be stored is considered. The hardware architecture optimizations are then introduced to significantly reduce the cost in terms of resources. Finally, a generic scalable architecture able to handle various sizes of networks is proposed.

Les ganglions de la base (BG) sont un ensemble de noyaux qui contrôle des taches fondamentales de la vie quotidienne, notamment le control des mouvements, ainsi que l’apprentissage et le reward. En particulier, le striatum est le noyau principal des BG et le majeur relais d’input. Il est formé par deux sous-types de neurones de projection (SPN) qui modulent l’activité de sortie des BG directement (dSPN) ou indirectement (iSPN) via d’autres structures. Les deux populations sont intermelangés, ce qui permet l’activation parallèle des deux voies. Une perte d’équilibre entre l’activité des dSPN et des iSPN est partie de l’étiologie de plusieurs neuropathies des BG, y compris la maladie de Parkinson et celle de Huntington. Malgré l’importance fonctionnelle de ces neurones, on a une connaissance très incomplète de comment les deux sous-types sont spécifiés au cours du développement; de plus, la question de comment les deux sous-types se mélangent pour former l’architecture fonctionnelle du striatum reste à élucider. Utilisant une combinaison unique d’outils génétiques disponible dans la souris, j’ai montré que les dSPN et iSPN sont spécifiés dés très tôt et diffèrent dans leur distribution dans le striatum embryonnaire pour s’intermélanger progressivement. De plus, je montre que ce processus de mélange repose sur l’expression du facteur de transcription Ebf1, un gène qui est exprimé spécifiquement dans le dSPN et contrôle aussi l’intégration de ces derniers dans les circuits des BG. Mes résultats fournissent un nouveau contexte pour investiguer les mécanismes moléculaires qui contrôlent l’assemblage du striatum et donnent des informations essentielles pour la génération de neurones striataux in vitro. Une autre population des BG, les neurones du corridor, ont la même origine que les SPN; cependant, au lieu de migrer vers le striatum, ces neurones forment une structure provisoire qui est cruciale pour former la capsule interne, un des majeurs faisceaux d’axones dans le cerveau des mammifères. Malgré leur importance pour le développement de la connectivité cérébrale, on ne sait pas si ces neurones jouent aussi un rôle dans le cerveaux adulte. À travers une combinaison de fate mapping génétique et d’analyse moléculaire à différent stades du développement, je montre que ces neurones contribuent à des noyaux spécifiques de l’amygdale étendue, une structure impliquée dans le control de la peur et de l’anxiété. Ces résultats montrent que les neurones du corridor pourraient contribuer à la régulation de l’anxiété et améliorent notre connaissance sur la formation de ces structures, qui sont très conservés au cours de l’évolution et qui ont un grand intérêt pathologique. Pris dans l’ensemble, mes résultats fournissent non seulement des nouvelles et très importantes informations sur la façon dont les circuits des BG sont formés, mais déterminent un nouveau cadre conceptuel pour investiguer le développement et la connectivité du cerveau antérieur. / Basal ganglia (BG) are a set of brain nuclei that control crucial aspects of everyday life such as motor control, habit learning and reward. In particular, the striatum is the biggest nucleus and input station of BG. It is formed by two subsets of projection neurons (SPN) that modulate BG output activity either directly (dSPN) or indirectly via other BG structures (iSPN). The two populations are intermixed, allowing parallel activation of the two pathways. Impaired balance of dSPN and iSPN activity is part of the aetiology of many BG neuropathies, including Parkinson’s and Huntington’s diseases; however, to date we have poor knowledge on how the two subtypes are specified and how they intermix during development. Using a unique combination of mouse genetic tools, here I show that dSPN and iSPN are specified early as independent populations, have different early distribution and gradually intermix. Moreover, I show that the process of intermix relies on expression of transcription factor Ebf1 in dSPN, a gene that also controls dSPN ability to integrate in BG circuits. These findings provide a new framework to investigate the molecular mechanisms controlling striatal mosaic assembly and will provide instrumental to generate fully formed striatal neurons in vitro. Another BG population, corridor neurons, shares common origin with SPN; however, instead of migrating toward the striatum, these cells form a transient corridor (Co) that is crucial for the formation of the internal capsule, a major axonal pathway in mammals. Despite their importance for brain wiring, whether Co cells also play a role in the adult brain is unknown. Through a combination of genetic fate map and in vivo timecourse, I surprisingly show that these cells participate to specific nuclei of the central extended amygdala, a structure implicated in anxiety and fear response. This finding indicates that Co neurons might contribute to anxiety regulation and sheds new light on the formation of evolutionarily conserved structures of great behavioral and clinical interest. Taken together, my findings not only provide new and critical information on neuronal migration and circuit formation in the BG, but also a new conceptual framework to investigate the formation of nuclear structures of the anterior brain.

Cette thèse porte sur le diagnostic d’un moteur diesel vingt cylindres entraînant un groupe électrogène de secours de centrale nucléaire. L’objectif est de réaliser un diagnostic de ce moteur à partir d’une mesure des fluctuations de vitesse du vilebrequin. L’étude s’est focalisée sur les défauts affectant le processus de combustion. Du fait des dimensions imposantes du moteur, les premiers modes de torsion du vilebrequin sont situés dans les basses fréquences. La superposition des ondes de torsion au déplacement du vilebrequin en tant que corps rigide complique considérablement l’analyse du signal. Peu de travaux ont ainsi été entrepris sur un moteur aussi gros. Dans cette thèse, un modèle dynamique en torsion du vilebrequin sous l’hypothèse d’élasticité de celui-ci est tout d’abord établi. Les paramètres de ce modèle sont optimisés afin de reproduire au mieux la réponse en vitesse réelle du vilebrequin. Une méthode de diagnostic originale basée sur une reconnaissance de formes du signal de vitesse est ensuite proposée. En effet, du fait de l’excitation des premiers modes de torsion, la réponse en vitesse du système présente une signature distincte en fonction du cylindre défectueux. Les formes types, représentatives des différents modes de fonctionnement du moteur, sont obtenues à partir du modèle précédemment établi et non à partir d’essais expérimentaux constituant ainsi la principale originalité de ce travail. Les résultats obtenus en phase opérationnelle sont encourageants. Un défaut réel de combustion a été correctement diagnostiqué incluant la détection du défaut, la localisation du cylindre défectueux ainsi que la quantification de la sévérité du défaut / This thesis deals with the diagnosis of a powerful 20-cylinder diesel engine which runs a generator set in a nuclear plant. The objective is to make a diagnosis by analyzing the crankshaft angular speed variations. Only combustion related faults are investigated. As the engine is very large, the first crankshaft natural modes are in the low frequencies. Torsional vibrations of the flexible crankshaft strongly complicate the analysis of the angular speed variations. Little attention has been paid to such large engines in the literature. First, a dynamical model with the assumption of a flexible crankshaft is established. The parameters of the model are optimized with the help of actual data. Then, an original automated diagnosis based on pattern recognition of the angular speed waveforms is proposed. Indeed, any faulty cylinder in combustion stroke will distort the angular speed waveform in a specific way which depends on its location with respect to nodes and anti-nodes of the modes. Reference patterns, representative of the engine conditions, are computed with the model constituting the main originality of this work. Promising results are obtained in operational phase. An experimental fuel leakage fault was correctly diagnosed, including detection and localization of the faulty cylinder and an indication of the severity of the fault

Pas de résumé en français / The cortex can be viewed as a network of functional areas. A cortical area, composed ofneurons forming local connections, interacts with other areas via long distance connections.Each neuron receives multiple inputs and has to integrate the incoming signals. This integrativecapacity is the basis of the computational power of the brain. Our work concentrates onunderstanding the principles that govern the structure of the cortical network i.e. the allocationof neural resources as well as the anatomical segregation between processing steams. Usingretrograde tracer injections we extract two quantitative parameters: (i) the proportion ofSupragranular Labelled Neurons (SLN) identifies the feedforward (FF) or feedback (FB)operation between the source and target area; (ii) the Fraction of Labelled Neurons (FLN)identifies the magnitude of a connection pathway.We have made repeat injections in V1, V2, V4 to investigate the consistency of corticalpathways. This showed that (i) connection weights are consistent between animals; (ii) the listof areas projecting to each injection site is highly reproducible. We find that there are fixedFLN values for each pair of interconnected areas. The FLN values of all the afferent pathwaysto a given target span over a factor of 6 levels of log and although there is some overdispersiontheir variability is not larger than one single level of log meaning that there is a specificconnectivity profile for each area. Futermore the FLN follow a lognormal distribution. Inlognormals the mode is lower than the median and the mean i.e. the majority of pathways haveFLN weaker than the average FLN, meaning that strong projections are rare. If instead thedistribution of FLN was to follow a power law, then high FLN values would have been evenrarer. We found, a regularity in that the strongest input is invariably from within the injectedarea, second strongest are the inputs from areas sharing common borders with the target area.Sub-cortical inputs have a weak FLN, even when they are associated with an importantfunctional role such as the LGN → V1 pathway. We found that projection distance is inverselyrelated to the FLN value and an exponential distance rule operates that constrains short distanceprojections to high FLN and long distance projections to low FLN.We injected a total of 26 cortical areas homogenously distributed across the cortex. Thisrevealed 1232 projection pathways. Roughly 30% of pathways that we reveal have notpreviously been reported in the literature. Our ability to find new connections is due to theimproved tracing and brain segmentation techniques. We scan the whole brain at up to 80μmintervals to detect projection neurons, and this, as discussed in the text, is a major advantage toexisting studies. The weak long distance connections were shown to contract the characteristicpath-length of the graph (number of hops needed to go between any two areas).Our analysis of the graph showed that contrary to current belief the cortical inter-areal networkis dense (i.e. 58% of the connection that could exist do exist). At such a density, models basedon binary features such as small world cannot capture the specificity of the graph. Hence thecortex does not correspond small–world network, with sparse clustered graph possessingempowered by few critical projecitons that ensure short characteristic path-lengths. Furtheranalysis of pathway efficiency showed that the short distance connections of high magnitudeprovide large bandwidth for local connectivity and form a backbone of clustered functionallyrelated areas. This backbone is embedded in a sea of weak connections providing direct linksbetween cortical areas. We refer to this architecture as a tribal–network. We speculate that thesmall scale and high density that characterize the cortico-cortical network is facilitating theemergence of synchrony between cortical areas.

Comprendre les mécanismes mis en place au sein du système nerveux pour générer des répertoires locomoteurs complexes reste l'un des grands défis des neurosciences systémiques. Le travail présenté dans ce manuscrit vise à comprendre comment les neurones de la moelle épinière contribuent à la production et à la modulation de l'activité locomotrice. Pour répondre à ce problème, nous utilisons le poisson-zèbre comme organisme modèle et avons développé de nouvelles approches génétiques et optiques afin de disséquer l'architecture du circuit formé par une classe de neurones sensoriels de la moelle et qui est conservée chez tous les vertébrés. Ces neurones sont appelés les neurones au contact du liquide céphalo-rachidien (Nc-LCR) et nous proposons de sonder leur(s) fonction(s) in vivo. Ces neurones sensoriels forment une interface unique entre le liquide céphalo-rachidien et le réseau de neurones impliqué dans le contrôle du mouvement dans la moelle épinière. Cependant, leur diagramme de connectivité demeure complètement inconnu. Afin de comprendre comment ces " Nc-LCR ou CSF-cNs " modulent la locomotion chez les vertébrés, nous avons développé un projet combinant des approches génétiques, électrophysiologiques, d'imagerie, et d'analyse du comportement, afin de cartographier le circuit qu'elles forment avec les neurones de la moelle épinière. Nos résultats montrent que les CSF-cNs projettent sur de nombreux éléments du centre générateur de rythme de la moelle. Notre approche révèle également la capacité des CSF-cNs à moduler la locomotion selon l'état dans lequel se trouve l'animal, une propriété caractéristique des circuits proprioceptifs dans la moelle épinière. / Understanding how the central nervous system generates motor sequences, coordinates limbs and body orientation in an ever-changing environment, while adapting to sensory cues remains a central question in the field of systems neuroscience. The work presented here aims to understand how local sensory neurons in the spinal cord contribute to the production and/ or the modulation of locomotor activity. We focused our work on a conserved class of spinal sensory neurons termed cerebrospinal fluid contacting neurons (CSF-cNs). These neurons lie at the interface between the CSF and spinal interneurons controlling motor output and represent an interesting yet poorly understood sensorimotor loop in the vertebrate spinal cord. However, the connectivity of CSF-cNs remains completely uncharacterized. To understand how CSF-cNs modulate locomotion in vertebrates, we combined genetics, imaging, optogenetics, electrophysiology, and behavior analysis to map the functional connectivity of these sensory neurons and test their function in the zebrafish larva. Our results demonstrate that CSF-cNs target several elements thought to be part of the locomotor central pattern generator in zebrafish, including glutamatergic spinal neurons involved in slow and fast swimming. We show that CSF-cNs can modulate the duration and occurrence of spontaneous locomotor events in a state dependent manner and tune the frequency of evoked fast escape responses. Altogether our work dissecting sensorimotor integration in the spinal cord bridged single cell function in vivo to behavior in zebrafish and should contribute to a better understanding of the role of sensory feedback during locomotion in vertebrates.

Les neurones sensoriels réagissent à des stimuli externes en émettant des séquences de potentiels d’action (“spikes”). Ces spikes transmettent collectivement de l’information sur le stimulus en formant des motifs spatio-temporels qui constituent le code neural. On observe expérimentalement que ces motifs se produisent de façon irrégulière, mais avec une structure qui peut être mise en évidence par l’utilisation de descriptions probabilistes et de méthodes statistiques. Cependant, la caractérisation statistique des données expérimentales présente plusieurs contraintes majeures: en dehors de celles qui sont inhérentes aux statistiques empiriques comme la taille de l’échantillonnage, ‘le’ modèle statistique sous-jacent est inconnu. Dans cette thèse, nous abordons le problème d’un point de vue complémentaire à l’approche expérimentale. Nous nous intéressons à des modèles neuro-mimétiques permettant d’étudier la statistique collective des potentiels d’action et la façon dont elle dépend de l’architecture et l’histoire du réseau ainsi que du stimulus. Nous considérons tout d’abord un modèle de type Intègre-et-Tire à conductance incluant synapses électriques et chimiques. Nous montrons que la statistique des potentiels d’action est caractérisée par une distribution non stationnaire et de mémoire infinie, compatible avec les probabilités conditionnelles (left interval-specification), qui est non-nulle et continue, donc une distribution de Gibbs. Nous présentons ensuite une méthode qui permet d’unifier les modèles dits d’entropie maximale spatio-temporelle (dont la mesure invariante est une distribution de Gibbs dans le sens de Bowen) et les modèles neuro-mimétiques, en fou / Sensory neurons respond to external stimulus using sequences of action potentials (“spikes”). They convey collectively to the brain information about the stimulus using spatio-temporal patterns of spikes (spike trains), that constitute a “neural code”. Since spikes patterns occur irregularly (yet highly structured) both within and over repeated trials, it is reasonable to characterize them using statistical methods and probabilistic descriptions. However, the statistical characterization of experimental data presents several major constraints: apart from those inherent to empirical statistics like finite size sampling, ‘the’ underlying statistical model is unknown. In this thesis we adopt a complementary approach to experiments. We consider neuromimetic models allowing the study of collective spike trains statistics and how it depends on network architecture and history, as well as on the stimulus. First, we consider a conductance-based Integrate-and-Fire model with chemical and electric synapses. We show that the spike train statistics is characterized by non-stationary, infinite memory, distribution consistent with conditional probabilities (Left interval specifications), which is continuous and non null, thus a Gibbs distribution. Then, we present a novel method that allows us to unify spatio-temporal Maximum Entropy models (whose invariant measure are Gibbs distributions in the Bowen sense) and neuro-mimetic models, providing a solid ground towards biophysical explanation of spatio-temporal correlations observed in experimental data. Finally, using these tools, we discuss the stimulus response of retinal ganglion cells, and the possible generalization of the co

Cette thèse s'intéresse aux mécanismes permettant de faciliter l'acquisition autonome de comportements chez les êtres vivants et propose d'utiliser ces mécanismes dans le cadre de tâches robotiques. Des réseaux de neurones artificiels sont utilisés pour modéliser certaines structures cérébrales, à la fois afin de mieux comprendre le fonctionnement de ces structures dans le cerveau des mammifères et pour obtenir des algorithmes robustes et adaptatifs de contrôle en robotique.Les travaux présentés se basent sur un modèle de l'hippocampe permettant d'apprendre des relations temporelles entre des événements perceptifs. Les neurones qui forment le substrat de cet apprentissage, appelés cellules de transition, permettent de faire des prédictions sur les événements futurs que le robot pourrait rencontrer. Ces transitions servent de support à la construction d'une carte cognitive, située dans le cortex préfrontal et/ou pariétal. Cette carte peut être apprise lors de l'exploration d'un environnement inconnu par un robot mobile et ensuite utilisée pour planifier des chemins lui permettant de rejoindre un ou plusieurs buts.Outre leur utilisation pour la construction d'une carte cognitive, les cellules de transition servent de base à la conception d'un modèle d'apprentissage par renforcement. Une implémentation neuronale de l'algorithme de Q-learning, utilisant les transitions, est réalisée de manière biologiquement plausible en s'inspirant des ganglions de la base. Cette architecture fournit une stratégie de navigation alternative à la planification par carte cognitive, avec un apprentissage plus lent, et correspondant à une stratégie automatique de bas-niveau. Des expériences où les deux stratégies sont utilisées en coopération sont réalisées et des lésions du cortex préfrontal et des ganglions de la base permettent de reproduire des résultats expérimentaux obtenus chez les rats.Les cellules de transition peuvent apprendre des relations temporelles précises permettant de prédire l'instant où devrait survenir un événement. Dans un modèle des interactions entre l'hippocampe et le cortex préfrontal, nous montrons comment ces prédictions peuvent expliquer certains enregistrements in-vivo dans ces structures cérébrales, notamment lorsqu'un rat réalise une tâche durant laquelle il doit rester immobile pendant 2 secondes sur un lieu but pour obtenir une récompense. L'apprentissage des informations temporelles provenant de l'environnement et du comportement permet de détecter des régularités. A l'opposé, l'absence d'un événement prédit peut signifier un échec du comportement du robot, qui peut être détecté et utilisé pour adapter son comportement en conséquence. Un système de détection de l'échec est alors développé, tirant parti des prédictions temporelles fournies par l'hippocampe et des interactions entre les aspects de modulation comportementale du cortex préfrontal et d'apprentissage par renforcement dans les ganglions de la base. Plusieurs expériences robotiques sont conduites dans lesquelles ce signal est utilisé pour moduler le comportement d'un robot, dans un premier temps de manière immédiate, afin de mettre fin aux actions du robot qui le mènent à un échec et envisager d'autres stratégies. Ce signal est ensuite utilisé de manière plus permanente pour moduler l'apprentissage des associations menant à la sélection d'une action, afin que les échecs répétés d'une action dans un contexte particulier fassent oublier cette association.Finalement, après avoir utilisé le modèle dans le cadre de la navigation, nous montrons ses capacités de généralisation en l'utilisant pour le contrôle d'un bras robotique. Ces travaux constituent une étape importante pour l'obtention d'un modèle unifié et générique permettant le contrôle de plates-formes robotiques variés et pouvant apprendre à résoudre des tâches de natures différentes. / This thesis takes interest in the mechanisms facilitating the autonomous acquisition of behaviors in animals and proposes to use these mechanisms in the frame of robotic tasks. Artificialneural networks are used to model cerebral structures, both to understand how these structureswork and to design robust and adaptive algorithms for robot control.The work presented here is based on a model of the hippocampus capable of learning thetemporal relationship between perceptive events. The neurons performing this learning, calledtransition cells, can predict which future events the robot could encounter. These transitionssupport the building of a cognitive map, located in the prefrontal and/or parietal cortex. The mapcan be learned by a mobile robot exploring an unknown environment and then be used to planpaths in order to reach one or several goals.Apart from their use in building a cognitive map, transition cells are also the basis for thedesign of a model of reinforcement learning. A biologically plausible neural implementation ofthe Q-learning algorithm, using transitions, is made by taking inspiration from the basal ganglia.This architecture provides an alternative strategy to the cognitive map planning strategy. Thereinforcement learning strategy requires a longer learning period but corresponds more to an automatic low-level behavior. Experiments are carried out with both strategies used in cooperationand lesions of the prefrontal cortex and basal ganglia allow to reproduce experimental resultsobtained with rats.Transition cells can learn temporally precise relations predicting the exact timing when anevent should be perceived. In a model of interactions between the hippocampus and prefrontalcortex, we show how these predictions can explain in-vivo recordings in these cerebral structures, in particular when rat is carrying out a task during which it must remain stationary for 2seconds on a goal location to obtain a reward. The learning of temporal information about theenvironment and the behavior of the robot allows the system to detect regularity. On the contrary, the absence of a predicted event can signal a failure in the behavior of the robot, whichcan be detected and acted upon in order to modulate the failing behavior. Consequently, a failure detection system is developed, taking advantage of the temporal predictions provided by thehippocampus and the interaction between behavior modulation functions in the prefrontal cortexand reinforcement learning in the basal ganglia. Several robotic experiments are conducted, inwhich the failure signal is used to modulate, immediately at first, the behavior of the robot inorder to stop selecting actions which lead to failures and explore other strategies. The signal isthen used in a more lasting way by modulating the learning of the associations leading to theselection of an action so that the repeted failures of an action in a particular context lead to thesuppression of this association.Finally, after having used the model in the frame of navigation, we demonstrate its generalization capabilities by using it to control a robotic arm in a trajectory planning task. This workconstitutes an important step towards obtaining a generic and unified model allowing the controlof various robotic setups and the learning of tasks of different natures.

Les karsts sont l'une des formations aquifères les plus présentes au monde. Exploités, ils fournissent de l'eau potable pour près de 25% de la population mondiale. Cependant la forte hétérogénéité de leur structure implique un comportement non-linéaire et les rendent particulièrement difficiles à étudier, à simuler et à prévoir. Les réseaux de neurones formels sont des modèles d'apprentissage statistiques qui ont été largement utilisés en hydrologie de surface depuis les années 1990, grâce à leurs propriétés de parcimonie et d'approximation universelle.Dans cette thèse, il est proposé d'utiliser les réseaux de neurones pour étudier le comportement des aquifères karstiques. L'aquifère du Lez est choisi pour appliquer le modèle par réseaux de neurones. Cet aquifère, situé près de l'agglomération de Montpellier (400 000 habitant), est exploité pour fournir de l'eau potable à une grande partie de l'agglomération.Dans un premier temps, un réseau de neurones « classique », de type boîte noire, est appliqué à la simulation et à la prévision des débits de la source du Lez. Une méthode de sélection des entrées de pluie est proposée, couplant analyse par corrélations croisées et méthode de validation croisée. Les résultats montrent l'adéquation du modèle neuronal pour la simulation et la prévision du débit de la source d'un aquifère karstique complexe. Le test du modèle est effectué sur les deux cycles hydrologiques comportant les crues les plus intenses de la base de données. Les hydrogrammes montrent que le modèle neuronal a été capable d'extrapoler puisque les débits prévus pour les crues majeures en test sont corrects et supérieurs aux débits présents dans la base d'apprentissage du modèle. La prévision est acceptable jusqu'à un horizon de prévision de un jour. Dans un second temps, une méthode d'extraction des données contenues dans la boîte noire est proposée. Afin de contraindre le modèle neuronal à donner des valeurs physiquement interprétables, des connaissances a priori sur la géologie de l'aquifère sont incluses dans l'architecture du réseau de neurones. La méthode KnoX (Knowledge eXtraction) proposée dans cette étude permet d'extraire du modèle les contributions des différentes zones géologiques à la source du lez ainsi que les temps de réponse correspondants. L'application de la méthode KnoX a un hydrosystème fictif dont on contrôle en particulier les temps de réponse et les contributions des différents sous-hydrosystèmes fictifs a permis de valider cette méthode. Les résultats obtenus sur le bassin du Lez sont très satisfaisants et en adéquation avec les connaissances actuelles que l'on a sur ce système. De plus la méthode a permis d'affiner ces connaissances, notamment l'infiltration retardée par des aquifères perchés et concernant la limite du bassin d'alimentation de la source du Lez. Enfin, la méthode KnoX est générique et applicable à tout hydrosystème pour lequel on dispose de mesures de pluie et de débit. / Karst is one of the most widespread aquifer formations in the worlds. Their exploitation provides fresh water to practically 25% of the global population. The high level of structure heterogeneity in these aquifers however makes them complex and their behavior is difficult to study, simulate and forecast.Artificial neural networks are machine learning models widely used in surface hydrology since the 90's thanks to their properties of parsimony and universal approximation.In this thesis, artificial neural networks are used to study karst aquifer behavior. Application is done in the Lez. This aquifer situated near Montpellier conurbation (400 000 inhabitants) provides fresh water for a large part of this population.First, a “classical” black box neural network is applied to simulate and forecast Lez spring discharge. A rainfall input selection method is proposed, using cross correlation analysis and cross validation method at the same time. Results show neural model efficiency in order to simulate and forecast the spring discharge of a complex karstic aquifer. The model was tested using two hydrologic cycles including the two most intense floods of the database. Hydrographs shows that neural model was able to extrapolate the maximum flood discharge of the learning database. Forecasting is satisfactory until a one-day horizon.In a second time, extraction of the knowledge data included in the black box is proposed. In order to constrain the model to give physically plausible solution, a priori knowledge about aquifer geology is included into the network architecture. KnoX (Knowledge eXtraction) method proposed in this study aims at extract geological zone contributions to the Lez spring and corresponding response times. The KnoX methodology was applied to a fictitious hydrosystem built using a model with controlled parameters, in particular contributions of subbasin to the outlet and lag time of each subbasin. This application permitted to validate the KnoX methodology. Results obtained on the Lez basin are satisfactory and agree with current knowledge about this hydrosystem. In addition, the KnoX methodology allows to refine this knowledge, in particular concerning delayed infiltration because of infiltration in perched aquifer and concerning Lez spring alimentation basin boundaries. Lastly the KnoX methodology is a generic methodology that can be applied on any basin with available discharge and rainfall data.

Les robots vont peu à peu intégrer nos foyers sous la forme d’assistants et de compagnons,humanoïdes ou non. Afin de remplir leur rôle efficacement ils devront s’adapter àl’utilisateur, notamment en apprenant de celui-ci le savoir ou les capacités qui leur fontdéfaut. Dans ce but, leur manière d’interagir doit être naturelle et évoquer les mêmesmécanismes coopératifs que ceux présent chez l’homme. Au centre de ces mécanisme setrouve le concept d’action : qu’est-ce qu’une action, comment les humains les reconnaissent,comment les produire ou les décrire ? La modélisation de toutes ces fonctionnalitésconstituera la fondation de cette thèse et permettra la mise en place de mécanismescoopératifs de plus haut niveau, en particulier les plan partagés qui permettent à plusieursindividus d’oeuvrer de concert afin d’atteindre un but commun. Finalement, je présenteraiune différence fondamentale entre la représentation de la connaissance chez l’homme etchez la machine, toujours dans le cadre de l’interaction coopérative : la dissociation possibleentre le corps d’un robot et sa cognition, ce qui n’est pas imaginable chez l’homme. Cettedissociation m’amènera notamment à explorer le « shared experience framework », unesituation dans laquelle une cognition artificielle centrale gère l’expérience partagée demultiples individus ayant chacun une identité propre. Cela m’amènera finalement àquestionner les différentes philosophies de l’esprit du point de vue de l’attribution d’unesprit à une machine et de ce que cela impliquerai quant à l’esprit humain. / Robots will gradually integrate our homes wielding the role of companions, humanoids ornot. In order to cope with this status they will have to adapt to the user, especially bylearning knowledge or skills from him that they may lack. In this context, their interactionshould be natural and evoke the same cooperative mechanisms that humans use. At thecore of those mechanisms is the concept of action: what is an action, how do humansrecognize them, how they produce or describe them? The modeling of aspects of thesefunctionalities will be the basis of this thesis and will allow the implementation of higherlevel cooperative mechanisms. One of these is the ability to handle “shared plans” whichallow two (or more) individuals to cooperate in order to reach a goal shared by all.Throughout the thesis I will attempt to make links between the human development ofthese capabilities, their neurophysiology, and their robotic implementation. As a result ofthis work, I will present a fundamental difference between the representation of knowledgein humans and machines, still in the framework of cooperative interaction: the possibledissociation of a robot body and its cognition, which is not easily imaginable for humans.This dissociation will lead me to explore the “shared experience framework, a situationwhere a central artificial cognition manages the shared knowledge of multiple beings, eachof them owning some kind of individuality. In the end this phenomenon will interrogate thevarious philosophies of mind by asking the question of the attribution of a mind to amachine and the consequences of such a possibility regarding the human mind.

Les canaux TRPC6 sont des canaux cationiques non sélectifs perméables au calcium et au sodium. In vitro, ils laissent passer du manganèse, du baryum ou du fer. Ces canaux peuvent être activés par des analogues du diacylglycérol (SAG ou OAG) et par l'hyperforine (un antidépresseur d'origine végétal). Des expériences de dosages par ICP-OES, d'imagerie synchrotron et d'imagerie de fluorescence du FluoZin-3 ont montré que les cellules HEK surexprimant TRPC6 sont enrichies en zinc. Ces cellules sont plus sensibles à un stress oxydant et produisent plus d'espèces réactives de l'oxygène que les cellules HEK non transfectées. Dans les cellules HEK exprimant TRPC6, l'entrée de zinc en réponse au SAG est plus importante que celle observée dans les cellules HEK ou HEK-TRPC3. Les canaux TRPC6 sont exprimés dans les neurones corticaux. En réalisant des expériences d'imagerie de fluorescence et d'électrophysiologie, nous avons observé que l'activation de ces canaux par le SAG ou par l'hyperforine permettait l'entrée de zinc dans les neurones. La taille du pool de zinc fixé sur des protéines à groupement thiols est augmentée après un influx de zinc via TRPC6. Ceux-ci forment donc une voie d'entrée pour ce métal dans les neurones corticaux embryonnaires. Dans certains types cellulaires, les canaux TRPC6 participent à l'entrée calcique déclenchée en réponse à la déplétion du stock calcique du réticulum (canaux SOC). Cependant, dans les neurones corticaux, les voies SOC et activées par l'hyperforine possèdent des propriétés pharmacologiques distinctes suggérant que les canaux TRPC6 ne participent pas à la voie SOC. L'homéostasie des métaux dans les neurones est perturbée par l'hyperforine. Cet antidépresseur diminue la taille des pools de calcium et de zinc des mitochondries à la fois lors de traitements aigus et chroniques. Une relocalisation du zinc est observée dans les neurones traités de façon chronique à l'hyperforine ainsi qu'une augmentation de l'expression des métallothionéines à la fois in vitro et in vivo. Chez la souris, la quantité de soufre du cerveau est augmentée lors un traitement à l'hyperforine. Celle-ci serait donc un antidépresseur qui module les capacités de stockage du zinc en augmentant le nombre de groupements thiols cellulaires. L'hyperforine est présente dans les extraits de millepertuis. Ceux-ci ont diverses cibles pharmacologiques, agissant notamment sur la voie de signalisation du BDNF. Nos expériences montrent que, lors d'un traitement chronique de souris adultes, l'hyperforine augmente l'expression de TrkB et P-TrkB dans le cortex. In vitro, dans les neurones corticaux, TrkB, CREB et P-CREB sont surexprimés après un traitement de trois jours à l'hyperforine. L'inhibition de la PKA ou le blocage des canaux TRPC6 par le SKF-96365 empêche l'effet de l'hyperforine. Par ailleurs, la chélation du calcium par le BAPTA-AM supprime partiellement l'effet de l'hyperforine. Un traitement chronique avec cet extrait végétal semble agir sur une voie dépendante de la PKA et du calcium pour réguler la phosphorylation de CREB et l'expression de TrkB. Nos expériences montrent que l'effet de l'hyperforine sur les acteurs de la voie du BDNF n'est pas présent au niveau de l'hippocampe où l'expression de TrkB n'est pas affectée. De plus, ces traitements n'influencent pas la neurogenèse adulte chez la souris. L'hyperforine seule n'explique donc pas les effets complexes des extraits de millepertuis sur les activités neuronales. / TRPC6 channels are non selective plasma membrane cation channels permeable to calcium and sodium. In addition, in vitro data showed that they can transport manganese, barium or iron. These channels can be activated by diacylglycerol (DAG) or DAG analogues like SAG or OAG. They are also sensitive to hyperforin (a plant extract exhibiting antidepressant properties). ICP-OES experiments, X-ray synchrotron imaging and live-cell FluoZin-3 imaging show that the over expression of TRPC6 in HEK cells increases their zinc and sulfur content. This enrichment is associated with an increased sensitivity of transfected cells to oxidative stress by enhancing the production of reactive oxygen species in response to oxidative insults. The entry of zinc permitted by SAG or hyperforin is more pronounced in cells over-expressing TRPC6 when compared to HEK or HEK-TRPC3 cells. TRPC6 channels are expressed in cortical neurons. Electrophysiological recordings and experiments with the fluorescent zinc probe FluoZin-3 demonstrated that TRPC6 channels are permeable to zinc in neurons. The size of the 2-2 'dithiodipyridine (DTDP) sensitive pool of zinc is augmented after the entry of this metal through TRPC6. These channels form a zinc entry pathway in cortical neurons. In some cell types, TRPC6 are involved in the mechanism of calcium entry in response to the depletion of intracellular pools of calcium. This calcium entry occurs via store-operated Ca channels (SOC). In our experiments, we have shown that in cortical neurons, hyperforin-sensitive channels and SOC are distinct since they exhibit distinct pharmacological properties. Hyperforin influences the homeostasis of metals in cortical neurons. We found that acute or chronic applications of this antidepressant decreases the size of the mitochondrial pools of calcium and zinc. In addition, in vitro and in vivo data show that a chronic treatment causes a cellular redistribution of zinc, associated with an increased expression of metallothioneins. Furthermore, brains of mice are enriched in sulfur. It seems that this antidepressant influences the zinc storage capacities of brain cells by altering the cellular expression of thiol-containing molecules. Hyperforin is an extract of the medicinal plant St John Worth. This latter one possesses complex properties, acting notably on the BDNF pathway. A chronic treatment with hyperforin increases the expression of TrkB and P-TrkB in the cortex of mice. In cortical neurons, TrkB, CREB and P-CREB are up regulated by a chronic treatment with hyperforin. This process is sensitive to inhibitors of PKA, TRPC6 channels and to the chelator of calcium BAPTA-AM. On the other hand, a chronic treatment with hyperforin does not influence the BDNF pathway in the hippocampus and also does not modulate the adult neurogenesis. Thus, the brain effects of hyperforin are distinct from those induced by the whole St John Worth extract.