Les précipitations, notamment la pluie, constituent un phénomène naturel qui a un très fort impact socio-économique, surtout lorsqu'elles ont un caractère torrentiel. Pour prendre en compte cet aspect, les systèmes hydrologiques d'alerte et de prévision ont besoin d'une information spatio-temporelle plus détaillée et des prévisions fiables de précipitation à très court terme. Ceci a une importance particulière dans de situations d'urgence (crues éclair, gestion de réseaux d'assainissement urbain, des barrages, etc.). Les champs de nuages et de précipitations demeurent les champs les plus difficiles a simuler pour les actuels modèles de prévision météorologiques. En effet, les échelles spatiotemporelles de ces modèles restent largement supérieures a celles qui sont pertinentes pour les précipitations : les mécanismes des précipitations sont essentiellement parametrisés et les pluies ne sont estimées que sur des échelles relativement grossières. De plus, le temps de mise en route de ces modèles est souvent prohibitif pour des prévisions à court terme. Différentes méthodes statistiques de traitement des images satellites et radar ont été développées pour combler ce déficit de prévision. Ces méthodes prennent en compte un grand nombre d'information à petite échelle, mais elles n'ont pas de base physique, en particulier elles ne prennent pas en compte la dynamique fortement non linéaire des cellules orageuses. Une alternative permettant a priori de dépasser, à l'aide des méthodes multi fractales, les limites des précédentes méthodes a été récemment considérée. Elle est fondée sur les modèles de cascade et prend en compte la hiérarchie des structures ainsi que leurs interactions non linéaires sur une grande gamme d'échelle spatio-temporelles, l'anisotropie entre espace et temps, et causalité. Fondamentalement, les processus de cascade développent des gradients de contenu en eau des plus en plus grands sur des fractions de plus en plus petites de l'espace physique. Ce type de modèles a l'avantage d'avoir un nombre limite de paramètres qui ont une signification physique forte et peuvent être évalues soit théoriquement, soit empiriquement. Dans cette thèse on présente la mise en oeuvre d'une procédure correspondant à cette alternative et son application à l'événement du 8-9 septembre 2002 a Nîmes, en utilisant des données radar fourni par la Direction de la Climatologie de Meteo-France, pour déterminer leurs caractéristiques multi fractales. On présente aussi la mise en oeuvre d'une procédure pour la simulation et prévision de champs de pluie multifractale et l'étude de la loi de perte de prédictibilité attendue.

Considérant que les taux de réponses d'un enfant lors d'une tâche de détection de contingence (TDC) constituent un indice de sa capacité à traiter l'information qu'il reçoit ainsi qu'un prédicteur de son développement cognitif et social (Millar,1972), la présente étude a pour objectif de mettre en lumière des facteurs pouvant expliquer la variance dans les taux de réponses des enfants à l'extinction de la TDC. Soixante-cinq mères et leur enfant âgé entre 12 et 19 mois sont observés en interaction. La sensibilité maternelle est évaluée à l'aide d'une adaptation à une situation de laboratoire de l'échelle de coopération/ interférence d'Ainsworth et al. (1974). L'enfant est assigné à l'un des quatre groupes d'apprentissage formés sur la base de sa performance à la phase d'apprentissage. Les résultats indiquent, d'une part, que la performance à la phase d'apprentissage est reliée à la persistance à l'extinction et, d'autre part, que l'interférence maternelle est associée à plus de persistance chez les enfants les plus âgés du groupe (plus de 14 mois). Les résultats sont interprétés d'un point de vue développemental où les capacités adaptatives de l'enfant sont mises en relief.

Diverses études hydrologiques suggèrent que les changements climatiques anticipés entraîneront une diminution des débits d'étiage pour une majorité des rivières du sud du Québec. Cette situation risque de devenir particulièrement préoccupante dans le bassin versant de la rivière Yamaska, car son débit estival est déjà faible. Puisque cette rivière est la principale source d'approvisionnement en eau pour différentes municipalités et les industries qu'elles desservent, des actions doivent être entreprises avant d'en arriver à des situations critiques. Un système d'alerte basé sur des débits seuils jumelé à une prévision météorologique constituerait un outil de gestion puissant. L'élaboration d'un tel système d'alerte nécessite une bonne connaissance de la rivière. Des analyses statistiques des différents épisodes d'étiage survenus dans les années passées permettent d'en faire ressortir les débits historiques ainsi que d'en comprendre le comportement en tarissement. Une revue bibliographique et l'analyse de différents modèles de prévision des débits permettent de déterminer les modèles qui s'appliquent le mieux au bassin de la rivière Yamaska. Des mesures de restriction pour chacun des différents niveaux du système d'alerte proposé doivent être déterminées en s'inspirant des différentes mesures de restriction présentes dans différents pays, tout en tenant compte des facteurs économiques et politiques. Aussi, les critères écologiques et fonctionnels doivent être pris en compte lors de l'établissement de ces débits seuils. Sur la base d'un suivi d'indicateurs et de prévisions associées, ce mémoire propose donc un système d'alerte qui indiquera le moment où des mesures restrictives de prélèvement et de consommation doivent commencer à être appliquées. En plus de constituer un outil puissant pour le bassin versant de la rivière Yamaska, ce prototype de système d'alerte aux étiages pourra être adapté à d'autres bassins versants du Québec enclins aux étiages sévères.

La littérature existante sur la façon d'estimer et d'anticiper les rendements boursiers est très diversifiée. En effet, de nombreux auteurs estiment que les modèles linéaires tels que les processus de longue mémoire expliquent mieux les fluctuations sur les marchés boursiers. D'autres estiment plutôt que les modèles non linéaires sont plus adaptés, car les fluctuations sont plutôt déterminées par des chocs structurels. Ainsi un modèle non linéaire tel que celui faisant usage des changements de régimes de Markov serait préférable Notre étude qui est une application empirique des travaux de Haldrup et al (2010), cherche à estimer simultanément ces aspects linéaires et non linéaires, pour les rendements des indices boursiers de Londres (FTSE100), New York (S&P500), Tokyo (NIKKEI225) et Toronto (SPTSX). S'effectuant sur une période de 1984-2010, elle considérera également l'intérêt marginal que pourrait apporter une spécification multivariée plutôt qu'univariée à la prévision des rendements. L'estimation des paramètres de longue mémoire et des changements de régimes de Markov dans les rendements boursiers, confirme les conclusions de nos prédécesseurs. Cependant, suite à la réalisation des prévisions, nous obtiendrons que les modèles Vecteur Autorégressif avec changement de régime de Markov présentent de meilleures propriétés en terme de prévision que les modèles Vecteur Autorégressif avec Longue Mémoire et ceux avec Vecteur Autorégressif avec Changement de Régime de Markov et Longue Mémoire.

Dans le cadre de cette étude, il est question de prédire les primes de risque de marché pour les États-Unis et le Canada sur un horizon d’un mois en se basant sur les données économiques des 20 dernières années. En se basant sur les modèles élaborés précédemment dans la littérature, ce mémoire a pour but d’effectuer des prévisions plus précises que celles générées précédemment. Ainsi, on observe que l’ensemble des modèles retenus, tant univariés, multivariés ou par agrégation sectorielle obtiennent un pouvoir explicatif supérieur au modèle naïf, et ce tant pour le marché américain que le marché canadien. Pour le marché américain, le modèle multivarié Stepwise Backward obtient la meilleure performance du groupe étudié avec un R[indice supérieur 2] de 0.10714 dans un contexte In-Sample et un R[indice supérieur 2] de 0.22284 dans un contexte Out-Of-Sample selon le test de McCracken (2007). Ce modèle permet donc d’expliquer 22.28% de la variation mensuelle de la prime de risque américaine dans le contexte de l’échantillon observé dans cette étude. Le modèle en question est composé des variables économiques représentant les variations mensuelles au niveau de l’inflation, de la masse monétaire M2, ainsi que du dernier taux journalier du mois observé pour les obligations gouvernementales ayant une échéance de deux ans, cinq ans et dix ans. Pour le marché canadien, le modèle multivarié Stepwise Forward obtient la meilleure performance du groupe étudié dans un contexte In-Sample avec un R[indice supérieur 2] de 0.07760 selon le test de McCracken (2007). Cependant, dans un contexte Out-Of-Sample, le modèle de prévision par agrégation sectorielle élaboré à la section 4.4 obtient de loin la meilleure performance avec un R[indice supérieur 2] de 0.17773 selon le test de McCracken (2007), permettant donc d’expliquer 17.77% de la variation mensuelle de la prime de risque canadienne. La performance accrue des modèles de prévision dans un contexte Out-Of-Sample semble provenir d’une meilleure performance notamment dans les premières années d’observation, (2001 à 2007) grâce à l’exclusion des grandes variations affectant les dernières années de la période d’observation (2008 à 2011).

Le potentiel de l’assimilation d’un type d’observation pour la prévision hydrologique a été démontré dans certaines études. Cependant, le potentiel de l’assimilation simultanée de plusieurs types d’observations a été peu validé, particulièrement pour les données comprenant une information sur la neige au sol. De plus, l’amplitude et la durée de l’impact de l’assimilation de données peuvent dépendre du type de données assimilé, ainsi que du contenu du vecteur d’état employé pour mettre à jour les variables ou les paramètres du modèle hydrologique. La présente thèse examine l’impact de l’assimilation de données multivariées en fonction du type de données assimilé et du contenu du vecteur d’état pour la prévision hydrologique à court terme (horizon de prévision jusqu’à 5 jours) et moyen terme (horizon de prévision entre 25 et 50 jours). Le filtre de Kalman d’ensemble est employé pour assimiler les observations de l’équivalent en eau de la neige à trois endroits sur le bassin versant de la rivière Nechako, ainsi que le débit à l’exutoire, dans le modèle hydrologique CEQUEAU. Les scénarios d’assimilation sont premièrement testés dans un cadre synthétique afin d’identifier les variables les plus susceptibles à l’assimilation des données pour la prévision hydrologique. La robustesse des scénarios d’assimilation de données est ensuite testée en introduisant un biais sur les précipitations solides. Finalement, les observations réelles sont assimilées pour vérifier l’impact réel des scénarios pour la prévision hydrologique. Les résultats montrent une amélioration variable des prévisions hydrologiques en fonction des scénarios selon plusieurs critères de performance mesurant l’exactitude, le biais et la représentativité de l’incertitude représentée par les prévisions d’ensemble. L’assimilation du débit pour la mise à jour des variables améliore principalement les prévisions à court terme, tandis que l’impact de la mise à jour de certains paramètres persiste à moyen terme. L’assimilation de l’équivalent en eau de la neige améliore les prévisions à court et moyen terme, principalement pendant la période de fonte de neige. Pour la plupart des scénarios, l’assimilation simultanée du débit et de l’équivalent en eau de la neige surpasse l’assimilation des données individuellement. Ces résultats sont cohérents entre les cadres synthétique et réel.

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

La prévision d'étiage à long terme est l'une des questions émergentes en hydrologie en raison de la demande croissante en eau en période sèche. Des prévisions fiables de débits à longue échéance (quelques semaines à quelques mois à l'avance) peuvent améliorer la gestion des ressources en eau et de ce fait l'économie de la société et les conditions de vie aquatique. Les études limitées sur les étiages dans la littérature nous a conduit à traiter certaines des questions existantes sur l'hydrologie des étiages, principalement sur la simulation et la prévision des étiages. Notre objectif final de développer une approche d'ensemble pour la prévision à long terme des étiages se décline en plusieurs étapes préalables, telles que la caractérisation des étiages, l'évaluation de mesures existantes d'efficacité des simulations des modèles, le développement d'une version améliorée d'un modèle de simulation des étiages, et enfin l'intégration d'une approche de prévision d'ensemble. Un ensemble de bassins distribués partout en France avec une variété de conditions hydro-météorologiques a été utilisé pour l'évaluation des modèles. Cet échantillon de données a d'abord été analysé et les étiages ont été caractérisés en utilisant divers indices. Notre objectif de mieux évaluer les simulations des étiages par les modèles a conduit à proposer un critère basé sur le critère de Nash-Sutcliffe, calculé sur l'inverse des débits pour mettre davantage de poids sur les erreurs sur les très faibles débits. Les résultats montrent que ce critère est mieux adapté à l'évaluation des simulations des étiages que d'autres critères couramment utilisés..Une analyse de sensibilité structurelle a ensuite été menée pour développer une structure de modèle améliorée pour simuler les étiages. Des modèles couramment utilisés ont été choisis ici comme modèles de base pour commencer l'analyse de sensibilité. Le modèle développé, GR6J, atteint de meilleures performances à la fois sur les faibles et les hauts débits par rapport aux autres modèles existants testés. En raison de la complexité du processus pluie-débit et de l'incertitude liée aux conditions météorologiques futures, nous avons développé une approche d'ensemble pour émettre des prévisions et quantifier les incertitudes associées. Ainsi l'approche d'ensemble fournit une gamme de valeurs futures de débits sur la plage de prévision. Ici, la climatologie a été utilisée pour fournir les scénarios météorologiques en entrée du modèle pour réaliser les prévisions. Pour réduire le niveau d'incertitude lié au modèle hydrologique, des combinaisons variées de procédures de mise à jour et de corrections de sortie ont été testées. Une approche directe, similaire à ce qui peut être fait pour la prévision des crues, a été sélectionnée comme la plus efficace. Enfin, des essais ont été réalisés pour améliorer la qualité des prévisions sur les bassins influencés par les barrages, en tenant compte des variations de stockage dans les barrages amont. Testée sur les bassins de la Seine et de la Loire, l'approche a donné des résultats mitigés, indiquant le besoin d'analyses complémentaires. / Long-term stream low-flow forecasting is one of the emerging issues in hydrology due to the escalating demand of water in dry periods. Reliable long-lead (a few weeks to months in advance) streamflow forecasts can improve the management of water resources and thereby the economy of the society and the conditions for aquatic life. The limited studies on low flows in the literature guided us to address some of the existing issues in low-flow hydrology, mainly on low-flow simulation and forecasting. Our ultimate aim to develop an ensemble approach for long-term low-flow forecasting includes several prior steps such as characterisation of low flows, evaluation of some of the existing model's simulation efficiency measures, development of a better model version for low-flow simulation, and finally the integration of an ensemble forecasting approach. A set of catchments distributed over France with various hydrometeorological conditions are used for model evaluation. This data set was first analysed and low flows were characterized using various indices. Our objective to better evaluate the models' low-flow simulation models resulted in the proposition of a criterion based on the Nash-Sutcliffe criterion, but calculated on inverse flows to put more weight on the errors on extreme low flows. The results show that this criterion is better suited to evaluate low-flow simulations than other commonly used criteria. Then a structural sensitivity analysis was carried out to develop an improved model structure to simulate stream low flows. Some widely used models were selected here as base models to initiate the sensitivity analysis. The developed model, GR6J, reaches better performance in both low- as well as high-flow conditions compared to the other tested existing models. Due to the complexity of rainfall-runoff processes and the uncertainty linked to future meteorological conditions, we developed an ensemble modelling approach to issue forecasts and quantify their associated uncertainty. Thus the ensemble approach provides a range of future flow values over the forecasting window. Here observed (climatological) rainfall and temperature were used as meteorological scenarios fed the model to issue the forecasts. To reduce the level of uncertainty linked to the hydrological model, various combinations of simple updating procedures and output corrections were tested. A straightforward approach, similar to what can be done for flood forecasting, was selected as it proved the most efficient. Last, attempts were made to improve the forecast quality on catchments influenced by dams, by accounting for the storage variations in upstream dams. Tested on the Seine and Loire basins, the approach showed mixed results, indicating the need for further investigations.

Cette thèse montre que pour innover, le secteur privé peut faire appel à la connaissance académique. En effet, un partenariat entre un établissement universitaire et un professionnel du transport de marchandises a permis de répondre à des problématiques industrielles par l'application de mathématiques de pointe. Cette thèse porte sur la conception, l'implémentation et la mise en production d'un système de prévision d'activité pour l'optimisation de la planification des ressources. Elle propose également un modèle mathématique pour modéliser les flux de marchandises qui transitent sur un quai de messagerie. Pour comprendre la problématique posée par l'industriel, le contexte industriel dans lequel s'insèrent les travaux de recherche est posé. Il s'en suit une réflexion sur la manière d'aborder le problème de mise en place d'un système de prévision en entreprise. Une synthèse de l'existant en matière de production d'information prévisionnelle est menée dans l'entreprise. En s'appuyant sur les informations récoltées, une méthodologie pour intégrer, analyser et prévoir des indicateurs économiques, est avancée. Cette méthodologie est appliquée avec succès dans le groupe STEF-TFE, leader français du transport sous température dirigée. Dans le but de planifier les ressources nécessaires pour faire face à l'activité prévue, une recherche a été menée pour modéliser les flux de marchandises en transit sur un quai de messagerie. Le résultat de la thèse est, qu'en 2010, 70 agences de transports du groupe STEF-TFE ont accès aux prévisions d'activités. Aussi, la méthodologie avancée est susceptible d'être utilisée dans divers secteurs industriels.

Le Global Sourcing est aujourd'hui en pleine expansion car il offre aux entreprises une source potentielle de compétitivité dans un environnement de plus en plus concurrentiel. Néanmoins, il génère aussi une complexification des flux et une fragilisation de la Supply Chain Globale. La problématique du Global Sourcing est vaste et touche les différents niveaux de décision de l'entreprise. Pour cela nous nous sommes focalisés dans ce travail sur les aspects tactiques et opérationnels de ce domaine. Nous avons abordé ainsi diverses questions : Quels leviers d'action pour un pilotage efficace des flux en approvisionnement lointain? Comment sécuriser les approvisionnements lointains dans le contexte industriel actuel ? Les politiques classiques de pilotage de flux sont-elles suffisantes pour les approvisionnements lointains ? En collaboration avec les partenaires industriels de la Chaire Supply Chain de l'Ecole Centrale Paris, nous avons abordé différentes facettes de cette problématique. Nous nous sommes intéressés tout d'abord à la prévision comme élément nécessaire au pilotage des flux lointains et nous avons proposé une méthodologie de sélection et de mise à jour de méthodes de prévision. Les délais longs en approvisionnement lointain font que les erreurs de prévision s'amplifient, ce qui nous a amenés à étudier l'erreur prévisionnelle. Nous avons proposé dans ce sens une modélisation fine de cette erreur et de son évolution en fonction de l'horizon temporelle de la prévision. Dans la dernière étape de ce travail, nous avons utilisé cette modélisation de l'incertitude pour piloter efficacement les flux lointains. Nous avons montré sur des cas réels issus de l'entreprise PSA l'efficacité de la méthode proposée en termes de respect du niveau de service avec un niveau de stock largement inférieur aux méthodes classiques.