La conception des bâtiments à faible consommation d’énergie est devenue un enjeu très important dans le but de réduire au maximum la consommation d’énergie et les émissions de gaz à effet de serre associées. Pour y arriver, il est indispensable de connaître les sources potentielles de biais et d’incertitude dans le domaine de la modélisation thermique des bâtiments d’un part, et de les caractériser et les évaluer d’autre part.Pour répondre aux exigences courantes en termes de fiabilité des prévisions du comportement thermique des bâtiments, nous avons essayé dans le cadre de cette thèse de quantifier les incertitudes liés à des paramètres influents, de proposer une technique de diagnostic de l’enveloppe, propager les incertitudes via une méthode ensembliste sur un modèle simplifié et puis proposer une démarche permettant d’identifier les paramètres de modélisation les plus influents et d’évaluer leur effet sur les performances énergétiques avec le moindre coût en termes de simulations. / Designing buildings with low-energy consumption has become a very important issue in order to minimize energy consumption and the emissions of associated greenhouse gas. To achieve this, it is essential to know the potential sources of bias and uncertainty in the field of buildings thermal modeling and to characterize and evaluate them.To meet the current requirements in terms of reliable predictions of buildings thermal behavior, we have tried in this thesis, to quantify uncertainties associated to influential parameters, to propose a technique for diagnosing the building’s envelope, propagate uncertainties via a set-method for the case of a simplified model. We finally proposed an approach to identify the most influential modeling parameters to evaluate their impact on energy performance.

Dans cette thèse, nous étudions la segmentation d'un flux audio en parole, musique et parole sur musique (P/M). Cette étape est fondamentale pour toute application basée sur la transcription automatique de flux radiophoniques et plus généralement multimédias. L'application visée ici est un système de détection de mots clés dans les émissions radiophoniques. Les performances de ce système dépendront de la bonne segmentation du signal fournie par le système de discrimination parole/musique. En effet, une mauvaise classification du signal peut provoquer des omissions de mots clés ou des fausses alarmes. Afin d'améliorer la discrimination parole/musique, nous proposons une nouvelle méthode de paramétrisation du signal. Nous utilisons la décomposition en ondelettes qui permet une analyse des signaux non stationnaires dont la musique est un exemple. Nous calculons différentes énergies sur les coefficients d'ondelettes pour construire nos vecteurs de paramètres. Le signal est alors segmenté en quatre classes : parole (P), non-parole (NP), musique (M) et non-musique (NM) grâce à deux systèmes disjoints de classification HMM classe/non-classe. Cette architecture a été choisie car elle permet de trouver les meilleurs paramètres indépendamment pour chaque tâche P/NP et M/NM. Une fusion des sorties des classifieurs est alors effectuée pour obtenir la décision finale : parole, musique ou parole sur musique. Les résultats obtenus sur un corpus réel d'émissions de radio montrent que notre paramétrisation en ondelettes apporte une nette amélioration des performances en discrimination M/NM et P/M par rapport à la paramétrisation de référence fondée sur les coefficients cepstraux.

La conception des bâtiments à faible consommation d'énergie est devenue un enjeu très important dans le but de réduire au maximum la consommation d'énergie et les émissions de gaz à effet de serre associées. Pour y arriver, il est indispensable de connaître les sources potentielles de biais et d'incertitude dans le domaine de la modélisation thermique des bâtiments d'un part, et de les caractériser et les évaluer d'autre part.Pour répondre aux exigences courantes en termes de fiabilité des prévisions du comportement thermique des bâtiments, nous avons essayé dans le cadre de cette thèse de quantifier les incertitudes liés à des paramètres influents, de proposer une technique de diagnostic de l'enveloppe, propager les incertitudes via une méthode ensembliste sur un modèle simplifié et puis proposer une démarche permettant d'identifier les paramètres de modélisation les plus influents et d'évaluer leur effet sur les performances énergétiques avec le moindre coût en termes de simulations.