Ce travail a été réalisé dans le cadre d'une convention CIFRE entre le LAAS-CNRS et la société ACTIA qui développe des outils d'aide au diagnostic de pannes automobiles. Le but était l'utilisation des réseaux de neurones artificiels pour la conception d'une nouvelle méthode de diagnostic de pannes automobiles sans modèle, ni information symbolique mais avec seulement des observations du système en bon et en mauvais fonctionnement. C'est donc une approche du diagnostic de système complexe par reconnaissance de formes. Après avoir mis au point le système d'acquisition, nous avons conçu une première maquette qui a démontré la faisabilité d'un tel système et l'intérêt des réseaux de neurones, mais qui a soulevé de nombreux problèmes. L'utilisation particulière des réseaux de neurones dans cette application a nécessité l'usage d'algorithmes de construction. Après une étude théorique des structures de l'hypercube qui n'a pas abouti à un algorithme de construction mais qui a fourni plusieurs résultats, nous avons développé une famille d'algorithmes pour la construction des réseaux de neurones binaires. La base de ces outils est une nouvelle méthode d'apprentissage d'unités à seuil très performante dénommée Barycentric Correction Procedure (BCP). L'aboutissement est un algorithme novateur car très général (entrées quelconques et sorties multiples), rapide et avec un bon pouvoir de généralisation. Nous avons finalement mis au point une nouvelle méthodologie de diagnostic, dans laquelle l'utilisation de méthodes statistiques et d'analyse de données en collaboration avec les réseaux neuronaux paru nécessaire. Cette méthodologie utilise donc des techniques très diverses : analyse en composantes principales, estimation de densité de probabilité, classification automatique, calcul d'enveloppes convexes, génération géométrique de bases d'apprentissage, construction de réseaux de neurones binaires, réseaux de neurones gaussiens et méthodes de diagnostic simples. Cette méthodologie a été appliquée avec succès au problème de la détection de pannes automobiles et a aussi montré des potentialités pour le diagnostic préventif. Elle est de plus assez générique pour avoir de nombreuses applications potentielles.

La conductivité électrique du dioxyde d'étain varie en fonction de la température du matériau, de la nature et de la concentration de gaz environnant. Ce travail de thèse montre que le traitement par les méthodes d'analyse multivariables des signaux de conductance électrique d'un seul capteur, obtenus en descente de température, permet la détermination de concentrations de mélanges binaires ou ternaires d'éthanol (0-80ppm), de monoxyde de carbone (0-300ppm) et de méthane (0-1000ppm). Une partie de cette étude a été consacrée à la conception et à la réalisation d'un banc automatique de tests permettant l'acquisition des conductances électriques de quatre capteurs en cycle thermique et sous cycles gazeux. Elle a aussi mis en évidence des effets (humidité,) pouvant perturber la mesure. Deux technologies de fabrication de capteur ont été utilisées en vue d'obtenir des signatures, conductance fonction de la température, distinctes pour chaque gaz, assez reproductibles d'un capteur a l'autre et suffisamment stables Dans le temps pour permettre l'exploitation des signaux par les méthodes d'analyse multivariables : Dioxyde d'étain sous forme de couches minces obtenues par évaporation réactive, ou sous forme de barreaux de poudre frittée. Dans une dernière partie, il a été montré que la détermination quantitative de gaz par l'application des méthodes de chimiométrie était possible bien que la relation entre les conductances électriques d'une part, les températures et les concentrations d'autre part était non linéaire. D'ailleurs, la modélisation avec la méthode partial least square et un prétraitement permet d'obtenir des performances comparables a celles obtenues avec les réseaux de neurones. Enfin, un système autonome de démonstration a été réalisé en utilisant l'ensemble des optimisations mis en évidence dans cette dernière partie. Des prédictions en conditions réelles ont montré de bonnes corrélations avec les mesures effectuées par des analyseurs classiques de gaz.

Dans un contexte où l'usage de circuits neuromimétiques se généralise au sein des neurosciences, nous étudions ici leur intégration au sein de réseaux adaptatifs. Les circuits mis en oeuvre se basent sur un modèle proche de la biologie résolu en continu et en temps réel. Les calculs relatifs à l'adaptation du réseau sont réalisés en numérique temps réel, logiciel et/ou matériel. La partie logicielle est assurée par un ordinateur interfacé à travers le bus PCI, tandis que la partie matérielle utilise des EPGAS. Trois générations sont présentés avec une analyse critique sur leur utilisation comme système de simulation de réseau neuronal.

Dans le domaine des génies du procédés, les propriétés volumétriques accompagnées de valeurs d'équilibre entre phases, interviennent pour définir la taille et les propriétés des différentes opérations unitaires impliquées. Le présent travail vise principalement à automatiser un appareillage basé sur la densimétrie à tube vibrant, appareillage servant aux mesures simultanées d'équilibres en phase et des propriétés volumétriques. Ce densimètre travaille dans un très large domaine de pressions (du vide à 70 MPa) et à des températures entre 253.15 et 423.15 K. L'automatisation a pour but d'assurer une meilleure sécurité aux opérateurs, de permettre une plus grande décision des résultats obtenus et de générer beaucoup de résultats sans surveillance particulière. L'automatisation concerne en premier lieu l'introduction contrôlée du fluide à partir de la réserve de chargement via deux vannes qui travaillent en alternance, puis le pilotage d'un suppresseur connecté à un motoréducteur compresser et détendre très vivement la phase liquide. La vitesse de compression et la détente est contrôlable à partir de l'intervalle de délai d'alimentation entre les deux vannes de chargement et du réglage de la vitesse de rotation du motoréducteur. Les variations de pression sont désormais ajustables à des valeurs inférieures à 0.001 MPa/s. Ceci est tout à fait précieux dans le cas de fluides proches des conditions critiques où les effets thermiques sont marqués, comme il est prouvé à l'intérieur du manuscrit. Des vannes automatiques ont également été ajoutées pour protéger des capteurs de pression. Un programme a été écrit pour piloter l'ensemble de l'installation et acquérir et traiter les valeurs de grandeurs mesurées. L'appareillage a été utilisé avec succès pour des mesures sur le système : dioxyde de carbone + osipropanol. Une étude complète des propriétés volumétriques du mélange CO2 + isopropanol a été réalisé. Le mélange a été étudié dans une plage de températures de 308 à 348 K et à des pressions allant jusqu'à 15 MPa. Une modélisation des résultats expérimentaux est présentée et comparée avec des données de la littérature. Les réseaux de neurones ont été utilisés pour représenter les propriétés volumétriques du mélange, ainsi que les propriétés dérivées du dioxyde de carbone (enthalpie, entropie et la capacité calorifique). Les résultats montrent une très bonne capacité du réseau de neurones à estimer ses propriétés volumétriques et les propriétés dérivées via une phase d'entraînement et une phase de validation. Parallèlement, une étude sur la détection de la formation d'hydrate a été effectuée dans le but de connaître la possibilité de détection de l'apparition de solides dans des milieux par densimétrie à tube vibrant.

Dans le cadre du traitement automatique de courriers entrants, nous présentons dans cette thèse l'étude, la conception et la mise en \oe uvre d'un système d'extraction de champs numériques dans des documents manuscrits quelconques. En effet, si la reconnaissance d'entités manuscrites isolées peut être considérée comme un problème en partie résolu, l'extraction d'information dans des images de documents aussi complexes et peu contraints que les courriers manuscrits libres reste à ce jour un réel défi. Ce problème nécessite aussi bien la mise en \oe uvre de méthodes classiques de reconnaissance d'entités manuscrites que de méthodes issues du domaine de l'extraction d'information dans des documents électroniques. Notre contribution repose sur le développement de deux stratégies différentes : la première réalise l'extraction des champs numériques en se basant sur les techniques classiques de reconnaissance de l'écriture, alors que la seconde, plus proche des méthodes utilisées pour l'extraction d'information, réalise indépendamment la localisation et la reconnaissance des champs. Les résultats obtenus sur une base réelle de courriers manuscrits montrent que les choix plus originaux de la seconde approche se révèlent également plus pertinents. Il en résulte un système complet, générique et industrialisable répondant à l'une des perspectives émergentes dans le domaine de la lecture automatique de documents manuscrits : l'extraction d'informations complexes dans des images de documents quelconques.

Nos entrées sensorielles, comme nos mouvements, sont entachés d'incertitudes. Pourtant, notre système nerveux central semble être aussi précis que possible compte tenu de ces incertitudes: il les gère de manière optimale, par exemple en pondérant des informations sensorielles redondantes en fonction de leur fiabilité, ou en prenant en compte ses incertitudes motrices lors de la réalisation de mouvements. Si les modalités des combinaisons d'informations redondantes sont bien connues lors de tâches statiques, elles le sont moins en conditions dynamiques, lors de mouvements. La partie expérimentale de cette thèse a permis de confirmer l'existence de mécanismes d'estimation et de contrôle optimaux des mouvements chez l'humain. En effet, nous avons mis en évidence l'intégration optimale d'information visuelle lors de la réalisation de saccades à la lumière: lors de séquences de saccades, le système visuomoteur est capable d'utiliser l'information visuelle pour mettre à jour ses estimations internes de la position de l'œil. Une étude complémentaire des sources de variabilité des saccades suggère un rôle similaire pour la proprioception extra-oculaire. Par une troisième expérience, novatrice, nous avons montré que le toucher est pris en compte en temps réel lors de mouvements de la main en contact avec une surface. Nous avons également inféré une mesure de la variance de l'information tactile. Enfin, à partir des connaissances sur la représentation des variables sensorimotrices dans le système nerveux, nous avons construit plusieurs réseaux de neurones qui implémentent de manière proche de l'optimum statistique la planification et le contrôle de mouvements

Cette thèse s'intéresse au diagnostic de pannes dans les systèmes différentiellement plats, ceci constituant une large classe de systèmes non linéaires. La propriété de platitude différentielle est caractérisée par des relations qui permettent d'exprimer les états d'un système et ses entrées en fonction de ses sorties plates et de leurs dérivées. Ces relations qui sont à la base de la commande plate sont aussi utiles pour la réalisation du diagnostic de pannes. Ainsi sont introduites les notions de minimalité pour les sorties plates, de platitude stricte et de degré additionnel de redondance. Ceci conduit à la proposition d'une méthode globale de détection de pannes basée sur la platitude. Partant alors de la constatation que les systèmes différentiellement plats de complexité élevée sont souvent constituer de sous systèmes eux-mêmes différentiellement plats, l'approche de détection de pannes précédente peut être démultipliée au sein de cette structure de façon à en identifier les sous systèmes défaillants. On s'intéresse alors au cas courant de la platitude différentielle implicite et on montre dans le cadre d'une application aéronautique comment les réseaux de neurones permettent de constituer une solution numérique au problème de détection de pannes. La disponibilité en temps réel de dérivées successives des sorties étant essentielle pour la mise en oeuvre de ces méthodes, on étudie alors les performances d'un filtre dérivateur alors que le système est lui-même soumis à une commande plate, ceci conduira a modifié légèrement une telle loi de commande afin d'effectuer l'effet des erreurs d'estimation. On s'intéresse finalement à la détection des pannes dans les systèmes chaotiques différentiellement plats. On montre sur plusieurs exemples comment la propriété de platitude peut être mise à profit pour détecter et identifier des variations paramétriques au sein d'un tel type de système chaotique. Des résultats de simulation sont présentés. Finaleme nt des thèmes de recherche complémentaires à cette approche sont relevés.

Ce travail a pour objet d'analyser la capacité des réseaux de neurones artificiels (RNA) à prédire les mouvements sismiques avec des performances statistiques similaires aux techniques de régression par moindres carrés conduisant aux "équations de prédiction du mouvement du sol" (EPMS), utilisées classiquement depuis plusieurs décennies. Les principaux avantages de cette nouvelle approche RNA vis-à-vis des EPMS sont d'une part l'absence d'a priori sur les formes fonctionnelles régissant la dépendance aux différents paramètres, celle-ci devant "automatiquement" émerger des données, ainsi qu'une quantification simple de l'importance relative des variables indépendantes qui affectent le mouvement sismique du sol. Le présent travail s'appuie sur un sous-ensemble de la base de données sismique KiKNet, où les événements retenus ont une profondeur inferieure à 25 km, une magnitude comprise entre 3.5 et 7.3 et une distance épicentrale allant de 1 à 343 km. L'effet de site est pris en considération dans cette étude avec l'utilisation conjointe de la vitesse des ondes de cisaillement moyenne sur trente mètres de profondeur et la fréquence de résonance du site. L'analyse des données KiK-Net enregistrées en surface et en profondeur permet de calculer, par un RNA, les rapports d'amplification spectrale surface/profondeur afin d'estimer l'effet de site. La même approche est utilisée pour la prédiction des indicateurs de nocivité les plus communément utilisés en ingénierie parasismique, ainsi que pour la génération des pseudo-accélérations spectrales largement utilisées dans l'analyse dynamique des structures. Les résultats obtenus montrent que les modèles neuronaux élaborés sont relativement robustes et ne dépendent que faiblement de la base de données initiale. Ce résultat est intéressant pour les régions où les données sismiques sont rares. Les écarts-types obtenus pour ces modèles sont légèrement inferieurs à ceux des équations classiques de prédiction du mouvement sismique. Les modèles neuronaux établis ne nécessitent aucun a priori sur la nature de la forme fonctionnelle de la relation d'atténuation. L'atténuation du mouvement sismique avec la distance, l'effet d'échelle de la magnitude et l'effet de site non linéaire sont ainsi pris en considération "naturellement" par les RNA à partir du moment où ils existent dans le jeu de données initial. Les résultats obtenus indiquent également une influence significative de la profondeur focale et de la fréquence de résonance sur le mouvement sismique à la surface libre. La possibilité de mettre ces modèles en oeuvre à l'aide d'un tableur Excel ou autre est démontrée, ouvrant ainsi un très vaste champ d'utilisation.

Les sols contaminés par les éléments traces potentiellement toxiques (PTTE) ont souvent des conséquences graves pour les écosystèmes terrestres. Plusieurs options de phytoremediaction ont été développées pour remédier les sols contaminés ; cependantl'efficacité et la capacité de ces techniques à réduire les concentrations excessives des éléments traces ou leur (phyto) disponibilité dans les sols contaminés doivent être évaluées Le présent travail s'est intéressé à étudier l'efficacité de deux options de de phytorémédiation, la phytostabilisation et la phytoextraction assistées par des amendements organiques et minéraux, à remédier les fortes concentrations de PTTE dans un sol naturel et dans un technosol contaminés. Les concentrations totales des éléments traces dissous ont été déterminées dans l'eau interstitielle du sol. L'intensité de l'exposition du sol a été évaluée par des capteurs DGT (gradient de diffusion dans les couches minces). Le phytodisponibilité des PTTE a été caractérisée par des tests de germination avec des haricots nains cultivés sur les sols contaminés pour lesquels les concentrations foliaires en éléments traces ont été déterminées. Ensuite un modèle de réseau de neurones artificiels a été appliqué pour comprendre les facteurs les plus pertinents sur la variabilité de la phytodisponibilité des PTTE. Les deux options ont étécapables de réduire les concentrations ou la phytodisponibilité des PTTE en présence des amendements. Les réseaux de neurones artificiels ont été très efficaces pour prédire les résultats manquants et pour déterminer les paramètres de contrôle de la variabilité de la phytodisponibilité des PTTE à partir des paramètres du sol.

Ce travail apporte une contribution à la modélisation des piles à combustible de type PEM. La modélisation fait ici appel aux réseaux artificiels de neurones et est appliquée à deux piles à combustible de puissances différentes. La première partie de ce mémoire rappelle les verrous technologiques liés à l'intégration des piles à combustibles dans un véhicule. Puis l'auteur s'interroge sur la nécessité de modéliser une pile à combustible avant de se pencher sur les différentes méthodes de modélisation existante. La réalisation d'un modèle neuronal décrivant le comportement statique d'une pile à combustible de type PEM est la première étape de cette étude. La deuxième partie décrit la démarche qui a permis de réaliser ce modèle. Elle se décompose en trois points essentiels : 1) choix d'une topologie adaptée, 2) choix d'essais expérimentaux pour établir une séquence d'apprentissage représentative du système et choix des entrées/sorties du modèle, 3) étude de différentes techniques d'apprentissage menant à une modélisation satisfaisante. Afin d'obtenir un modèle complet, le comportement dynamique de la pile doit être décrit. L'élaboration du modèle dynamique à l'aide de réseaux de neurones bouclés est exposée dans la troisième partie. Pour conclure ce mémoire, une méthode originale basée sur l'analyse de Fourier permet d'obtenir une boîte noire multi-modèle permettant de coupler les modèles dynamiques et statiques pour prédire l'évolution temporelle de la tension de la pile à combustible selon des sollicitations de courant à fréquence variable. Enfin, une étude de sensibilité paramétrique est réalisée.