Les systèmes de recommandation sont de plus en plus populaires. Les travaux issus de cette thèse se situent dans le domaine de l’Aide à la Décision Multi-Critère (MultiCriteria Decision Analysis MCDA). Dans le domaine du MCDA, il existe de nombreuses méthodes d’agrégation. Cette diversité des méthodes d'agrégation et des situations décisionnelles fait qu'il n'existe pas de super méthode applicable dans toutes les situations décisionnelles. La question est alors de savoir comment choisir un opérateur d'agrégation approprié face à un problème de décision donné ? Nous essayons dans cette thèse d'avoir des éléments de réponse à cette question, d’une part en étudiant les systèmes d’aide à la décision, d’autre part en analysant différents opérateurs d’agrégation présents dans la littérature. Ce qui nous a permis de mettre en place un système de recommandation mettant en œuvre plusieurs opérateurs d’agrégation. Lors d’une procédure d’agrégation, l’utilisateur a la possibilité de choisir un opérateur d’agrégation parmi les opérateurs disponibles. Il peut aussi se laisser proposer un opérateur d’agrégation par le système. L’opérateur d’agrégation le plus approprié au problème de décision du décideur est choisi selon plusieurs paramètres. / Recommendation systems are becoming more popular. This PhD focusses on MultiCriteriaDecision Analysis (MCDA). For MCDA, it exists multiplication lot of aggregation methods. This diversity of aggregation methods and decision-making situations means that there is no super method applicable in all decision-making situations. The question then is how to choose an appropriate aggregation operator for a given decision problem? In this thesis, we try to have some answers to this question, on the one hand by studying the decision support systems, on the other hand by analyzing different aggregation operators present in the literature. This allowed us to set up a recommendation system implementing several aggregation operators. During an aggregation procedure, the user has the possibility of choosing an aggregation operator from among the available operators. It can also be offered an aggregation operator by the system. The aggregation operator most appropriate to the decision-maker's decision problem is chosen according to several parameters.

Dans le cadre de la surveillance maritime, les opérationnels ont de plus en plus recours à l'imagerie radar pour classifier à grande distance un objet marin. Le traitement ISAR (Inverse Synthetic Aperture Radar) répond à ce besoin. Il repose en particulier sur l'analyse des mouvements propres de l'objet marin. Une fois l'objet détecté, il s'agit d'afficher sur la console tactique la représentation de la fréquence Doppler en fonction de la distance, aussi appelée image range-Doppler. Le travail présenté dans ce mémoire s'inscrit dans une perspective d'évolution opérationnelle de la chaîne de traitement existante. Il vise à produire de manière automatique la « meilleure » image range-Doppler. Dans cette thèse, nos contributions s'appuient sur l'idée de reconsidérer la chaîne de traitement en tenant compte de l'a priori que l'objet marin est un objet rigide dont la géométrie structure l'évolution du signal radar. Ainsi, dans une première contribution, nous proposons une nouvelle méthode d'analyse temps-fréquence du signal radar afin d'obtenir une image instantanée où l'opérationnel peut distinguer « au mieux » les superstructures de l'objet marin. Cette dernière est fondée sur la fusion de plusieurs représentations temps-fréquence issues de la classe de Cohen en faisant l'hypothèse que les composantes temps-fréquence sont des trajectoires structurées 2D dans le plan temps-fréquence, contrairement aux termes d'interférences induits par la propriété de bilinéarité des membres de cette classe. Une étude comparative sur données synthétiques et ISAR est menée pour confirmer la pertinence de notre approche, notamment du point de vue de la résolution temps-fréquence et de la suppression des termes d'interférences.Dans une seconde contribution, nous établissons une nouvelle procédure pour qualifier chaque image range-Doppler, obtenue à l'issue de l'analyse temps-fréquence, avec des mesures d'irrégularité de formes que nous fusionnons à l'aide d'un opérateur d'agrégation. Des simulations sur données réelles sont réalisées. Les résultats concordent avec une analyse subjective menée par des opérationnels, ce qui confirme l'efficacité de notre méthode. / In maritime surveillance, radar imaging plays a key role to classify a maritime object. ISAR processing is one of the solutions, which takes advantage of the object rotational motion to provide a range-Doppler image.The work, presented in this report, is an evolution of the existing ISAR processing chain. Therefore, our contributions are based on the processing chain reconsideration by taking into account the fact that the maritime object is a rigid object, the geometry of which influences the radar signal evolution.In a first contribution, we propose a new time-frequency analysis method based on the aggregation of some time-frequency representations obtained with Cohen class members. It consists in differentiating the signal, assumed to be characterized by 2-D near-linear stable trajectories in the time-frequency plane, and the cross-terms, assumed to be geometrically unstructured. A comparative study is then carried out on ISAR synthetic data to confirm the efficiency of our approach.In a second contribution, we present a new procedure to characterize each range-Doppler image, obtained from a time-frequency analysis, by means of shape irregularity measures that are combined with a fuzzy logic operator. To validate our approach, simulations on real data are done. The results are compared to a subjective analysis carried out with practionners.