Le système nerveux central possède des réseaux de neurones capables de générer des commandes motrices rythmiques en l'absence d'informations sensorielles. Ces réseaux neuronaux sont communément appelés générateurs centraux de patron (CPG, central pattern generator) et sont impliqués dans plusieurs fonctions et comportements vitaux tels que la locomotion et la respiration. Dans certaines circonstances, ces réseaux neuronaux se doivent d'interagir afin de produire un comportement moteur adapté aux contraintes environnementales ainsi qu'aux exigences de l'organisme. C'est notamment le cas lors d'un effort physique où une augmentation du rythme respiratoire est rapidement observée pour subvenir aux besoins en oxygène de l'organisme. Dans ce contexte de neurosciences intégratives, mon travail doctoral a porté sur l'étude des mécanismes neurogènes responsables de l'interaction entre les CPG respiratoires du tronc cérébral et les CPG locomoteurs de la moelle épinière. Cette étude a été réalisée sur des préparations de tronc cérébral-moelle épinière isolée in vitro de rat nouveau-né (P0 à P2) au sein desquelles les centres respiratoires et locomoteurs sont conservés intacts. Par des approches électrophysiologique, pharmacologique, lésionnelle et neuroanatomique, les mécanismes de coordination entre ces sous-groupes neuronaux ont été étudiés. Dans ce contexte, un des principaux résultats de ce travail doctoral est la mise en évidence de l'existence d'une influence ascendante excitatrice issues des CPG locomoteurs spinaux sur les centres respiratoires, et plus particulièrement sur le groupe respiratoire parafacial, structure située dans le bulbe rachidien et impliquée dans la genèse de la commande respiratoire. Outre son implication dans la modulation du rythme respiratoire, cette influence ascendante module également l'activité des populations neuronales expiratoires des régions spinales thoraciques et lombaires. Ces données constituent la première mise en évidence de l'existence de neurones bi-fonctionnels au sein de la moelle-épinière chez le rat nouveau-né. / The central nervous system contains neural networks that can generate rhythmic motor drive in absence of sensory feedback. These neural networks are commonly called central pattern generators (CPG) and are involved in many vital functions and behaviors, such as locomotion or respiration. In certain circumstances, these neural networks must interact to produce motor behaviors adapted to environmental constraints and the basic needs of organism. This is the case during physical exercise when the respiratory frequency increases in order to satisfy the oxygen needs. In a context of integrative neurosciences, my doctoral work aimed at exploring the neurogenic mechanisms involved in the coordination between the medullary respiratory networks and the spinal locomotor CPG. To address this question, we used an isolated in vitro brain stem-spinal cord preparations from neonatal rats (0-2 days) in which the respiratory and the locomotor networks are kept intact. Using electrophysiological, pharmacological, lesional and neuroanatomical approaches, mechanisms involved in the coordination between locomotor and respiratory rhythms have been studied. The major finding of this doctoral work is the identification of an ascending excitatory influence from spinal locomotor CPG to the respiratory networks, acting particularly on the parafacial respiratory group, which is known to be engaged in the genesis of expiratory activity. In addition to the respiratory frequency modulation, this ascending influence also modulates the activity of spinal expiratory neurons located in lumbar and thoracic segments. These data provide the first evidence for the existence of bi-functional neurons in newborn rat spinal cord.

Les deux premiers chapitres de cette thèse s'attachent à répondre à des questions cruciales en climatologie. La première est de savoir si un changement dans le comportement des extrêmes de température peut être détecté entre le début du siècle et aujourd'hui. Nous utilisons la divergence de Kullback Leibler, que nous adaptons au contexte des extrêmes. Des résultats théoriques et des simulations permettent de valider notre approche. La deuxième question est de savoir où retirer des stations météo pour perdre le moins d'information sur le comportement des extrêmes. Un algorithme, le Query By Committee, est développé puis appliqué à un jeu de données réelles. Le dernier chapitre de la thèse traite de l'estimation robuste du paramètre de queue d'une distribution de type Weibull en présence de co-variables aléatoires. Nous proposons un estimateur robuste basé sur un critère de minimisation de la divergence entre deux densités et étudions ses propriétés. / In the first two chapters, we try to answer two questions that are critical in climatology. The first one is to know whether a change in the behaviour of the temperature extremes occured between the beginning of the century and today. We suggest to use a version of the Kullback Leibler divergence tailored for the extreme value context. We provide some theoretical and simulation results to justify our approach. The second question is to decide where to remove stations from a network to lose the least information about the behaviour of the extremes. An algorithm called the Query By Committee is developed and applied to real data. The last chapter of the thesis deals with a more theoretical subject which is the robust estimation of a Weibull type tail index in presence of random covariates. We propose a robust estimator based on a criterion ofminimization of the divergence between two densities and study its properties.

L'étude probabiliste de sûreté (EPS) parasismique est l'une des méthodologies les plus utiliséespour évaluer et assurer la performance des infrastructures critiques, telles que les centrales nucléaires,sous excitations sismiques. La thèse discute sur les aspects suivants: (i) Construction de méta-modèlesavec les réseaux de neurones pour construire les relations entre les intensités sismiques et les paramètresde demande des structures, afin d'accélérer l'analyse de fragilité. L'incertitude liée à la substitution desmodèles des éléments finis par les réseaux de neurones est étudiée. (ii) Proposition d'une méthodologiebayésienne avec réseaux de neurones adaptatifs, afin de prendre en compte les différentes sourcesd'information, y compris les résultats des simulations numériques, les valeurs de référence fournies dansla littérature et les évaluations post-sismiques, dans le calcul de courbes de fragilité. (iii) Calcul des loisd'atténuation avec les réseaux de neurones. Les incertitudes épistémiques des paramètres d'entrée de loisd'atténuation, tels que la magnitude et la vitesse moyenne des ondes de cisaillement de trente mètres, sontprises en compte dans la méthodologie développée. (iv) Calcul du taux de défaillance annuel en combinantles résultats des analyses de fragilité et de l'aléa sismique. Les courbes de fragilité sont déterminées parle réseau de neurones adaptatif, tandis que les courbes d'aléa sont obtenues à partir des lois d'atténuationconstruites avec les réseaux de neurones. Les méthodologies proposées sont appliquées à plusieurs casindustriels, tels que le benchmark KARISMA et le modèle SMART. / Seismic probabilistic risk assessment (SPRA) is one of the most widely used methodologiesto assess and to ensure the performance of critical infrastructures, such as nuclear power plants (NPPs),faced with earthquake events. SPRA adopts a probabilistic approach to estimate the frequency ofoccurrence of severe consequences of NPPs under seismic conditions. The thesis provides discussionson the following aspects: (i) Construction of meta-models with ANNs to build the relations betweenseismic IMs and engineering demand parameters of the structures, for the purpose of accelerating thefragility analysis. The uncertainty related to the substitution of FEMs models by ANNs is investigated.(ii) Proposal of a Bayesian-based framework with adaptive ANNs, to take into account different sourcesof information, including numerical simulation results, reference values provided in the literature anddamage data obtained from post-earthquake observations, in the fragility analysis. (iii) Computation ofGMPEs with ANNs. The epistemic uncertainties of the GMPE input parameters, such as the magnitudeand the averaged thirty-meter shear wave velocity, are taken into account in the developed methodology.(iv) Calculation of the annual failure rate by combining results from the fragility and hazard analyses.The fragility curves are determined by the adaptive ANN, whereas the hazard curves are obtained fromthe GMPEs calibrated with ANNs. The proposed methodologies are applied to various industrial casestudies, such as the KARISMA benchmark and the SMART model.