Cette thèse vise à étudier deux problématiques différentes: 1) la reconnaissance des activités de la vie quotidienne des personnes dans un habitat intelligent, et 2) la construction du profil comportemental de la personne. Nos contributions sont présentées dans deux chapitres illustrant les solutions proposées. La première contribution de cette thèse est liée à l'introduction d'une nouvelle approche non supervisée de reconnaissance d'activités nommée ADR-SPLDA (Activity Discovery and Recognition using Sequential Patterns and Latent Dirichlet Allocation). Contrairement aux approches existantes, ADR-SPLDA permet la découverte et la reconnaissance des activités de façon non supervisée sans faire nécessairement recours à l'annotation des données. En outre, ADR-SPLDA est basée sur l'analyse de patrons fréquents, ce qui permet de réduire significativement la quantité du bruit dans les données. La fiabilité de ADR-SPLDA est illustrée à travers une série de tests et de comparaisons avec les approches existantes sur une variété de données réelles. Le deuxième travail vise la construction du profil comportemental de la personne en se basant sur ses activités. Nous avons développé une approche qui permet de découvrir les différents comportements dans les séquences, et d'extraire les relations causales entre les différents comportements. Notre contribution inclut l'introduction de l'analyse causale dans la construction du profil, ce qui nous a permis aussi de découvrir les relations causales entre les différentes activités. Une série de tests a été également effectuée pour illustrer la fiabilité de notre approche sur une variété de données. Le travail de recherche entrepris dans cette thèse constitue l'une des nombreuses étapes importantes dans l'accomplissement d'un système d'assistance efficace dans l'objectif d'assurer le bien-être des personnes.

Cette th??se vise ?? ??tudier deux probl??matiques diff??rentes: 1) la reconnaissance des activit??s de la vie quotidienne des personnes dans un habitat intelligent, et 2) la construction du profil comportemental de la personne. Nos contributions sont pr??sent??es dans deux chapitres illustrant les solutions propos??es. La premi??re contribution de cette th??se est li??e ?? l'introduction d'une nouvelle approche non supervis??e de reconnaissance d'activit??s nomm??e ADR-SPLDA (Activity Discovery and Recognition using Sequential Patterns and Latent Dirichlet Allocation). Contrairement aux approches existantes, ADR-SPLDA permet la d??couverte et la reconnaissance des activit??s de fa??on non supervis??e sans faire n??cessairement recours ?? l'annotation des donn??es. En outre, ADR-SPLDA est bas??e sur l'analyse de patrons fr??quents, ce qui permet de r??duire significativement la quantit?? du bruit dans les donn??es. La fiabilit?? de ADR-SPLDA est illustr??e ?? travers une s??rie de tests et de comparaisons avec les approches existantes sur une vari??t?? de donn??es r??elles. Le deuxi??me travail vise la construction du profil comportemental de la personne en se basant sur ses activit??s. Nous avons d??velopp?? une approche qui permet de d??couvrir les diff??rents comportements dans les s??quences, et d'extraire les relations causales entre les diff??rents comportements. Notre contribution inclut l'introduction de l'analyse causale dans la construction du profil, ce qui nous a permis aussi de d??couvrir les relations causales entre les diff??rentes activit??s. Une s??rie de tests a ??t?? ??galement effectu??e pour illustrer la fiabilit?? de notre approche sur une vari??t?? de donn??es. Le travail de recherche entrepris dans cette th??se constitue l'une des nombreuses ??tapes importantes dans l'accomplissement d'un syst??me d'assistance efficace dans l'objectif d'assurer le bien-??tre des personnes.