L' arthroplastie de la hanche par prothèse non cimentée est une solution couramment employée pour les patients rencontrant des problèmes du système locomoteur. Une telle solution présente toutefois un inconvénient majeur, souligné par tous les utilisateurs : le manque de stabilité primaire de la prothèse. Or, cette faiblesse peut provoquer des complications graves, voire l'échec de l'opération chirurgicale. Par conséquent, parvenir à une bonne fixation primaire est un point crucial de ce type d'opération chirurgicale pour assurer cliniquement une satisfaction à court et long terme.Dans le but de mieux appréhender cette problématique centrale, une piste préopératoire a été adoptée. Un modèle éléments finis permettant de décrire le comportement mécanique du système couplé « os-prothèse non cimentée : DePuy Corail® » a été développé et validé par des expérimentations in vitro. Puis, pour tenir compte de la forte variabilité des paramètres du modèle, inhérente à la nature même du problème, une modélisation stochastique de ces derniers a été introduite et une stratégie mécano-probabiliste proposée, destinée d'une part à quantifier en termes probabilistes l'effet sur la réponse des incertitudes affectant les paramètres du modèle, et d'autre part à évaluer la stabilité primaire du système os-prothèse en contexte fiabiliste. La mise en oeuvre pratique de cette approche a été réalisée à l'aide d'outils numériques basés sur la méthode de Monte-Carlo standard et une procédure de collocation stochastique.L'originalité du travail présenté réside avant tout dans la proposition d'une méthodologie probabiliste capable de prendre en compte les incertitudes dans la problématique de la stabilité primaire des prothèses de hanche non cimentées. Elle tient également dans la potentialité de cette méthodologie à être facilement transplantable en contexte industriel. / The hip arthroplasty with cementless hip prosthesis is a solution usually used for the patients suffering the problems of the musculoskeletal system. However, such a solution has a major disadvantage, pointed by all users : the lack of primary stability of the prosthesis. This weakness can cause serious complications or failure of the surgery. Therefore, to achieve a good primary fixation is a crucial point of this type of surgery to ensure a short and a long term clinical satisfaction. In order to better understand this central issue, a preoperative track is adopted. A finite element model to describe the mechanical behavior of the coupled system " femur-cementless prosthesis : DePuy Corail® "has been created and validated by the experiments in vitro. Then, in order to take into account the high variability of model parameters, inherent to the nature of the problem, the stochastic modeling of random input parameters has been introduced and a mechanical-probabilistic strategy has been proposed, on the one hand to quantify, in probabilistic terms, the effect, on the response, of the uncertainties affecting the input parameters of the model, and on the other hand to evaluate the primary stability of the bone-prosthesis system in reliability context. The practical implementation of this approach is realized by using the numerical tools based on the standard Monte Carlo method and the stochastic collocation procedure. The originality of the work presented is primarily in the proposition of a probabilistic methodology capable of taking into account the uncertainties in the problem of primary stability of cementless hip prostheses. It also lies in the potentiality of this methodology to be transplantable easily in industrial context.

La prolifération des électroniques et des émetteurs radiofréquences rend de plus en plus compliqué le processus de conception des systèmes sur le plan CEM. Ce processus doit aboutir à limiter le risque d’interférences ou de défauts au niveau le plus faible notamment dans le contexte des interférences électromagnétiques intentionnelles (IEMI). Ces défauts CEM doivent alors être anticipés lors de la phase de conception. Cependant, du fait de la dispersion des valeurs prises par certains paramètres du système, la modélisation déterministe éprouve quelques difficultés à identifier le risque encouru. La mauvaise connaissance de l’effet des incertitudes associées au système, aboutit alors à prendre des marges de conception considérables conduisant à des surcoûts de fabrication. Pour cette raison, il est devenu important de prendre en compte l’impact des incertitudes des différents paramètres constitutifs d’un système (en phase de conception). Ces paramètres sont essentiellement géométriques (e.g. position de câblages) ou électromagnétiques (e.g. caractéristiques intrinsèques de matériaux). Ils influent par nature sur les performances CEM de ce système. Ces travaux de thèse portent sur l’analyse de la propagation des incertitudes relatives à ces paramètres sur des sorties de modèles de CEM. Le but visé, consiste à quantifier sous une forme probabiliste, le risque de défaut d’un système contenant de nombreux paramètres incertains. Ce type d’étude statistique devrait également permettre, via des analyses de sensibilité, des stratégies de conception de systèmes « fiables » ou à moindres coûts. Dans le contexte des applications visées, les approches dites « fiabilistes » et la méthode dite de « stratification contrôlée », ont été identifiées comme intéressantes, du point de vue de l’analyse d’événements extrêmes. Dans un premier temps, nous nous sommes consacrés à la transposition des méthodes fiabilistes dans un contexte CEM. Ces techniques permettent de quantifier la probabilité de défaillance d’un système, définie comme le dépassement d’un seuil de risque, et renseignent, via une analyse de sensibilité locale, sur les paramètres clés à ajuster. Dans un second temps, nous nous sommes intéressés à la méthode de stratification contrôlée, non appliquée à ce jour à notre connaissance en CEM. L’objectif de cette approche consiste à estimer un quantile extrême de la réponse d’intérêt d’un modèle rigoureux, via l’utilisation d’un modèle simple beaucoup moins coûteux en termes de temps de calcul. Ce processus permet d’accélérer l’obtention d’observations extrêmes, nécessaires à l’estimation du quantile recherché. Les deux techniques ont été mises en oeuvre sur un problème complexe dans un contexte IEMI, pour estimer la probabilité d’occurrence d’événements d’interférences extrêmes. Elles ont permis de dégager des tendances similaires, quant à l’importance de certains paramètres d’entrée incertains sur les événements rares. Les deux méthodes, bien appliquées, pourraient constituer un apport considérable en matière de conception CEM. / The proliferation of electronic and radio frequency transmitters makes more complicated the system design process on the EMC point of view. This process should lead to limit the risk of interferences or defects to lowest level particularly in the context of intentional electromagnetic interferences (IEMI). Therefore, these EMC defects have to be anticipated during the design stage. However, due to the dispersion of the values taken by some parameters of the system, the deterministic modeling presents some difficulties to identify the involved risk. The poor knowledge of the uncertainties effect associated with the system, leads then to take important design margins at the price of additional costs of manufacturing. For this reason, it has become important to take into account the impact of uncertainties of the various constituent parameters of a system (at the design stage). These parameters are essentially geometric (e.g. position of wirings) or electromagnetic (e.g. intrinsic characteristics of materials) ones. They influence by nature the EMC performance of this system. This thesis work deals with the analysis of the propagation of uncertainties of these parameters on EMC model outputs. It aims at quantifying in a probabilistic form, the default risk of a system containing numerous uncertain parameters. This type of statistical analysis should also allow through sensitivity analyses, design strategies of “reliable” systems or at lower cost. In the context of targeted applications, the so-called “reliability approaches” and the “controlled stratification” method have been identified as interesting from the point of view of the analysis of extreme events. Firstly, we are dedicated to the transposition of reliability methods in an EMC context. These techniques are used to quantify the probability of failure of a system, defined as the probability of exceeding a threshold of risk. They inform through a local sensitivity analysis, on the key parameters to adjust. Secondly, we have focused our work on the controlled stratification method, not yet applied in EMC as far as we know. The objective of this approach is to estimate an extreme quantile of the interest response of a rigorous model, using of a much cheaper simple model in terms of computation time. This process allows to speed up the identification of extreme observations required for the estimation of the researched quantile. Both techniques have been applied on a complex problem in an IEMI context, to estimate the probability of occurrence of extreme interference events. They have revealed similar trends as regards to the importance of some uncertain input parameters on rare events. Both methods, properly applied, could provide a significant contribution in terms of EMC design strategy.

Dans un contexte de forte compétitivité économique et de respect de l’environnement, de nombreuses actions sont entreprises chaque année dans le but d’améliorer la performance énergétique des bâtiments. En phase de conception, le recours à la simulation permet d’évaluer les différentes alternatives au regard de la performance énergétique et du confort des occupants et constitue ainsi un outil d’aide à la décision incontournable. Toutefois, il est courant d’observer des écarts entre les performances énergétiques réelles et celles prévues lors de la conception. Cette thèse porte sur l’amélioration du processus de conception de l’isolation dans le but de limiter les déviations des consommations réelles par rapport à celles prévues lors des simulations. Dans un premier temps, nous situons le contexte énergétique actuel puis nous présentons les différentes sources d’incertitudes qui affectent les résultats des simulations. Dans ce travail, nous nous intéressons particulièrement à la variabilité des propriétés thermophysiques des isolants, au caractère variable de la mise en œuvre et à l’impact du changement climatique. Des études expérimentales ont permis de quantifier l’incertitude associée à la performance des matériaux sains d’une part, et celle associée à des isolants défectueux d’autre part. Un couplage entre des techniques de thermographie infrarouge et des modèles éléments finis ont permis de proposer des modèles paramétriques permettant d’évaluer la performance effective d’un isolant défectueux, en fonction du type et de la taille du défaut dans l’isolant. Pour une bonne estimation à long terme de la performance de l’isolation, il est nécessaire d’intégrer les prévisions météorologiques. Ces dernières sont généralement estimées sur la base des données historiques de la région. Toutefois, il est encore difficile de prévoir avec exactitude l’évolution climatique car elle dépend de nombreux facteurs socio-économiques, démographiques et environnementaux. Dans ce travail, nous proposons de considérer les différents scénarios climatiques proposés par les climatologues et de prendre en compte leur variabilité de manière à vérifier la fiabilité de l’isolation. Enfin, nous proposons d’utiliser des approches probabilistes pour intégrer ces différents types d’incertitudes dans le processus de simulation. Pour optimiser le dimensionnement de l’isolation, nous proposons une méthodologie de conception basée sur la fiabilité. Un nouveau modèle de coût est également proposé dans le but d’améliorer l’aide à la décision, en considérant les pertes indirectes, jusqu’à présent négligées dans la conception. / In the context of growing world energy demand and environmental degradation, many actions are undertaken each year to improve the energy performance of buildings. During the design stage, the use of building energy simulations remains a valuable tool as it evaluates the possible options in terms of energy performance and comfort. However, as precision requirements increase, it becomes essential to assess the uncertainties associated with input data in simulation. This thesis focuses on the insulation design process under uncertainty, in order to limit gaps between real and predicted performance for better control of energy consumptions. This work firstly presents the current alarming energy context. We consider the main uncertainties that affect the insulation, mainly the variability of the thermophysical properties, the uncertainty on climate and the uncertainties due to workmanship defects. Experimental studies were carried out to evaluate the uncertainty associated to the intrinsic performance of healthy insulation materials on one hand, and those associated to defects in insulations on the other hand. A coupling between thermography techniques and finite element models was used to provide analytical models that assess the effective thermal performance of a defective insulation, according to the type and size of the defect. As the performance of insulation also depends on climate, it is necessary to integrate future weather data to evaluate the energy consumption. These weather data are generally estimated based on the historical climatic data of the region. However, it is still difficult to predict climate change as it depends on many uncontrollable factors. In this work, we consider the different climate scenarios proposed by climate expert groups, and the uncertainty associated to each scenario to evaluate the reliability of the insulation and to improve the decision making process. Finally, we propose a probabilistic approach to integrate uncertainties in simulation and an optimization methodology based on reliability. A new cost formulation is also proposed to improve the decision-making, through indirect losses related to comfort, pollution and living space losses.