L'objectif de cette thèse est l’implémentation d'algorithmes d'optimisation pour l'identification du comportement mécanique des matériaux. Ces outils sont considérés ici pour automatiser la recherche des paramètres des lois mécaniques implémentés dans un calcul en éléments finis (EF) et diminuer le nombre de calculs nécessaires pour résoudre le problème d’identification. La base de données expérimentale comprend des réponses mécaniques en flexion et en indentation instrumentée qui sont utilisés pour l’identification du comportement d’un biocomposite et d'une variété de métaux. Plusieurs approches d’optimisation ont été développées comprenant des méthodes déterministes, hybrides et stochastiques. Ces méthodes sont évaluées en termes d'efficacité, coût de calcul et précision de l’approche. Le couplage EF-outil d'optimisation s'est avéré efficace et incontournable pour prédire le comportement des matériaux étudiés notamment quand il s'agit d'un essai local. / The objective of this work is to implement optimization algorithms for the identification of the mechanical behavior of materials. The tools developed here are intended to automatic search of mechanical parameters that represent variables in a constitutive law implemented in Finite Element (FE) models. The advantage of the implemented tools is the reduction of computational time needed to solve the identification problem. The experimental database includes a variety of mechanical responses in bending and instrumented indentation that are used for the identification the behavior of a biocomposite and a variety of metals. Several optimization approaches are developed in the work including deterministic, stochastic and hybrid methods. These methods are evaluated in terms of efficiency; calculation costs and accuracy. The coupling FE-optimization tool proved to be effective and essential to predict the behavior of the studied materials, especially for instrument indentation.

Les technologies du numérique s’invitent de plus en plus dans l’enseignement. Les nouvelles pratiques pédagogiques révolutionnent également les standards de la formation. La « gamification » des cursus est, par exemple, devenue une tendance actuelle. Elle permet, par le jeu, d’exercer les apprenants différemment. Les simulations de gestion d’entreprise entrent dans ce cadre. Elles positionnent les stagiaires à la tête d’entreprises virtuelles et simulent un marché concurrentiel. Le déploiement de cette pratique se heurte néanmoins à des difficultés opérationnelles : taille du groupe, formation de l’animateur… C’est dans ce contexte que nous envisageons la mise en œuvre d’agents autonomes permettant d’accompagner ou de concurrencer les apprenants.Pour cela, nous proposons, tout d’abord, une modélisation performante d’une entreprise à base de programmes linéaires mixtes permettant l’optimisation des départements internes des entreprises (production, distribution, finance). Ensuite, nous introduisons une heuristique de recherche locale afin de générer des solutions performantes dans un environnement économique. Aussi, à la suite d’une phase d’extraction de connaissances, nous proposons la définition et la construction d’arbres d’anticipation qui permettent de prévoir les décisions concurrentielles des protagonistes engagés et ainsi de pouvoir estimer la qualité des solutions construites. Afin de valider les approches proposées, nous les avons comparées aux comportements réels de joueurs et avons évalué l’apport de l’exploitation de la connaissance. Enfin, nous avons proposé une généralisation de la méthode à d’autres simulateurs de gestion d’entreprise. / Digital technologies are becoming increasingly popular in teaching and learning processes. New educational practices are also revolutionizing the standards of training. For example, the "gamification" of the curricula has become a current trend. It allows, through games, to exercise learners differently. Business management simulation, also known as business games, fall within this context. They place learners at the head of virtual companies and simulate a competitive market. The deployment of this practice nevertheless encounters some operational difficulties: size of the group, training of the teacher... It is in this context that we envisage the implementation of autonomous agents to accompany the learners or the competitors.To do this, firstly, we propose a modeling of a company, based on mixed linear programs allowing optimization of the internal departments of the companies (production, delivery, finance). For the second step, we will introduce a local heuristic search, ensuring a generation of efficient solutions in a given economic and competitive environment. Thirdly, following a knowledge extraction phase, we propose the definition and construction of anticipation trees that predict the competitive decisions of the engaged protagonists and thus to be able to estimate the quality of the solutions built. In order to validate the proposed approaches, we compared them with the real behaviors of players and evaluated the contribution of the exploitation of the knowledge. Finally, we proposed a framework allowing a generalization of the method to other business games.