Les interactions sont partout : il peut s'agir de contacts entre individus, d'emails, d'appels téléphoniques, etc. Toutes ces interactions sont définies par deux entités interagissant sur un intervalle de temps: par exemple, deux individus se rencontrant entre 12h et 14h. Nous modélisons ces interactions par des flots de liens qui sont des ensembles de quadruplets (b, e, u, v), où chaque quadruplet représente un lien entre les noeuds u et v existant durant l'intervalle [b,e]. Dans un graphe, une communauté est un sous-ensemble plus densément connecté qu’une référence. Dans le formalisme de flot de liens, les notions même de densité et de référence sont à définir. Nous étudions donc comment étendre la notion de communauté aux flots de liens. Pour ce faire, nous nous appuyons sur des données réel où une structure communautaire est connue. Puis, nous développons une méthode permettant de trouver automatiquement des sous-flots qui sont jugés pertinents. Ces sous-flots, c’est-à-dire des sous-ensembles de liens, sont trouvés grâce à une méthode de détection de communautés appliquée sur une projection du flot sur un graphe statique. Un sous-flot est jugé pertinent s’il est plus dense que les sous-flots qui lui sont proches temporellement et topologiquement. Ainsi nous approfondissons les notions de voisinage et référence dans les flots de liens. Nous appliquons cette méthode sur plusieurs jeux de données d’interactions réelles et obtenons des groupes pertinents qui n’auraient pas pu être détectés par les méthodes existantes. Enfin, nous abordons la génération de flots de liens avec une structure communautaire donnée et à la manière d'évaluer une telle partition. / Interactions are everywhere: in the contexts of face-to-face contacts, emails, phone calls, IP traffic, etc. In all of them, an interaction is characterized by two entities and a time interval: for instance, two individuals meet from 1pm to 3pm. We model them as link stream which is a set of quadruplets (b,e,u,v) where each quadruplet means that a link exists between u and v from time b to time e. In graphs, a community is a subset which is more densely connected than a reference. Within the link stream formalism, the notion of density and reference have to be redefined. Therefore, we study how to extend the notion of density for link streams. To this end, we use a real data set where a community structure is known. Then, we develop a method that finds automatically substream which are considered relevant. These substream, defined as subsets of links, are discovered by a classical community detection algorithm applied on the link stream the transformed into a static graph. A substream is considered relevant, if it is denser than the substreams which are close temporally and structurally. Thus, we deepen the notion of neighbourhood and reference in link streams. We apply our method on several real world interaction networks and we find relevant substream which would not have been found by existing methods. Finally, we discuss the generation of link streams having a given community structure and also a proper way to evaluate such community structure.

Les contacts face-à-face entre individus permettent de caractériser les réseaux sociaux et jouent un rôle prépondérant dans la compréhension des mécanismes de propagation des épidémies dans une population. De récentes avancées technologiques ont rendu possible l'acquisition de données précises sur les interactions humaines. Cette thèse présente, dans un premier temps, l'analyse de données de contacts collectées trois années de suite (2011, 2012 et 2013) dans un lycée français entre des étudiants de classes préparatoires. L'analyse a montré que la plupart des contacts se produisent entre étudiants de même classe et que les structures des contacts sont très similaires d'un jour sur l'autre. Dans un second temps, on compare différentes méthodes de collecte de données qui permettent d'obtenir des informations de nature différente (par exemple existence d'un contact face-à-face vs existence d'une amitié).L'utilisation de données rapportant les amitiés entre les étudiants ne permet pas d'obtenir une bonne estimation du réseau de contact (i.e., les amitiés ne correspondent pas forcément à des contacts face-à-face et vice versa) résultant en une sous-estimation du risque épidémique dans cette population.Dans la dernière partie, nous essayons de reproduire les biais provenant du réseau d'amitié en échantillonnant le réseau de contact. Ceci pourrait nous donner des indications sur comment compenser ces biais et comment utiliser des données incomplètes pour obtenir des prédictions fiables sur le risque épidémique. / Face-to-face contacts between individuals contribute to shape social networks and play an important role in determining how infectious diseases can spread within a population. Recently, technological advances have made it possible to obtain accurate data on human interactions.This thesis first presents the analysis of contact data collected three years in a row (2011, 2012 and 2013) in a French high school among students of "classes préparatoires" (i.e., studies taking place after high school and preparing for admission to higher education colleges). The analysis showed that most contacts occur within students of same classes and that contact patterns are very similar from one day to the next.Then, we compare different methods of data collection which allow to gather information of different nature (for instance existence of a face-to-face contact vs existence of a friendship).The use of data reporting friendships does not allow to obtain a good estimation of the contact network (i.e., friendships do not correspond necessarily to face-to-face contacts and vice versa) resulting in an underestimation of the epidemic risk in that population.Finally, we try to reproduce the biases coming from the friendship network by sampling the contact network. This might give hints on how to compensate these biases and how to use the information contained in incomplete data sets to obtain accurate predictions of the epidemic risk.

Cette thèse fournit au lecteur un recueil d'applications de la théorie des graphes ; à ce but, des outils sur mesure, adaptés aux applications considérées, ont été conçus et mis en œuvre de manière inspirée par les données.Dans la première partie, une nouvelle métrique de centralité, nommée “bridgeness”, est présentée, basée sur une décomposition de la centralité intermédiaire (“betweenness centrality”) standard. Une composante, la “connectivité locale”, correspondante approximativement au degré d'un noeud, est différenciée de l'autre, qui, en revanche, évalue les propriétés structurelles à longue distance. En effet, cette dernière fournit une mesure de l'efficacité de chaque noeud à “relayer” parties faiblement connectées d'un réseau ; une caractéristique importante de cette métrique est son agnosticisme en ce qui concerne la structure de la communauté sous jacente éventuelle.Une deuxième application vise à décrire les caractéristiques dynamiques des graphes temporels qui apparaissent au niveau mésoscopique. L'ensemble de données de choix comprend 40 ans de publications scientifiques sélectionnées. L'apparition et l'évolution dans le temps d'un domaine d'étude spécifique (les ondelettes) sont capturées, en discriminant les caractéristiques persistantes des artefacts transitoires résultants du processus de détection des communautés, intrinsèquement bruité, effectué indépendamment sur des instantanées statiques successives. La notion de “flux laminaire”, sur laquelle repose le “score de complexité” que nous cherchons à optimiser, est présentée.Dans le même ordre d'idées, un réseau d'investisseurs japonais a été construit, sur la base d'un ensemble de données qui comprend des informations (indirectes) sur les filiales étrangères en copropriété. Une question très débattue dans le domaine de l'économie industrielle, l'hypothèse de Miwa-Ramseyer, a été démontrée de manière concluante comme fausse, du moins sous sa forme forte. / This thesis provides the reader with a compendium of applications of network theory; tailor-madetools suited for the purpose have been devised and implemented in a data-driven fashion. In the first part, a novel centrality metric, aptly named “bridgeness”, is presented, based on adecomposition of the standard betweenness centrality. One component, local connectivity, roughlycorresponding to the degree of a node, is set apart from the other, which evaluates longer-rangestructural properties. Indeed, the latter provides a measure of the relevance of each node in“bridging” weakly connected parts of a network; a prominent feature of the metric is its agnosticism with regard to the eventual ground truth community structure.A second application is aimed at describing dynamic features of temporal graphs which are apparent at the mesoscopic level. The dataset of choice includes 40 years of selected scientific publications.The appearance and evolution in time of a specific field of study (“wavelets”) is captured,discriminating persistent features from transient artifacts, which result from the intrinsically noisy community detection process, independently performed on successive static snapshots. The concept of “laminar stream”, on which the “complexity score” we seek to optimize is based, is introduced.In a similar vein, a network of Japanese investors has been constructed, based on a dataset which includes (indirect) information on co-owned overseas subsidiaries. A hotly debated issue in the field of industrial economics, the Miwa-Ramseyer hypothesis, has been conclusively shown to be false, at least in its strong form.

Les réseaux sont des modèles qui nous permettent de comprendre les relations entre éléments du monde réel. Une grande quantité de réseaux sont dynamiques, c'est-à-dire que leur connexité change au cours du temps. Comprendre les changements de connexité signifie comprendre les interactions entre les éléments de systèmes complexes: comment se forment les relations sociales et commerciales, comment sont transmis les signaux entre les régions du cerveau, comment s'organisent les réseaux trophiques après des catastrophes environnementales. Au-delà de ce que nous permettent la technologie et les algorithmes d'analyses, l'homme dispose d'une capacité unique pour comprendre et interpréter des informations : la vision et la cognition. Cette thèse développe et examine des moyens pour explorer les réseaux dynamiques d'une manière interactive et visuelle. Je propose des techniques pour déplier la complexité des réseaux, avec le but de les rendre compréhensibles, de les voir à partir de perspectives différentes, d'examiner leurs composantes. Déplier des réseaux est une métaphore, comme la création des cartes bidimensionelles d'objets tridimensionnels comme la Terre: chaque méthode de projection a comme résultat une carte différente qui permet de voir des relations différentes entre la taille des continents et des océans, des distances, etc. Je propose les techniques de dépliage suivantes, implémentées et évaluées dans des systèmes interactifs : (i) une navigation temporelle qui permet de naviguer plus efficacement entre des différents instants, ainsi qu'un feedback visuel qui permet de mieux comprendre les changements dans les réseaux entre deux instants arbitraires. (ii) Des designs permettant la comparaison directe de deux réseaux avec des liens pondérés. (iii) Un modèle de visualisation pour des réseaux denses avec des liens pondérés, ainsi que (iv) la génération de réseaux synthétiques utilisés pour l'évaluation des visualisations. Afin de mieux créer et évaluer des visualisations, nous (v) proposons une taxonomie de tâche pour décrire des tâches accomplies par des analystes des réseaux. Pour compléter, (vi) nous généralisons l'idée de dépliage pour décrire d'autres genres de données temporelles, représentable dans des cubes espace-temps. Cela concerne la visualisation de vidéos, des données multi-variées, ainsi que la géographique. Une telle généralisation a pour but de fournir une base commune pour échanger des techniques de visualisation et de mieux comprendre l'espace de design pour les réseaux dynamiques. Dans cette optique, nous proposons une taxonomie d'opérations génériques qui nous permet de transformer un cube espace-temps en visualisation bidimensionelle, ainsi qu'une description des formes évoquées par les données dans le cube espace-temps. / Networks are models that help us understanding and thinking about relationships between entities in the real world. Many of these networks are dynamic, i.e. connectivity changes over time. Understanding changes in connectivity means to understand interactions between elements of complex systems; how people create and break up friendship relations, how signals get passed in the brain, how business collaborations evolve, or how food-webs restructure after environmental changes. However, understanding static networks is already difficult, due to size, density, attributes and particular motifs; changes over time very much increase this complexity. Quantification of change is often insufficient, but beyond an analysis that is driven by technology and algorithms, humans dispose a unique capability of understanding and interpreting information in data, based on vision and cognition. This dissertation explores ways to interactively explore dynamic networks by means of visualization. I develop and evaluate techniques to unfold the complexity of dynamic networks, making them understandable by looking at them from different angles, decomposing them into their parts and relating the parts in novel ways. While most techniques for dynamic network visualization rely on one particular type of view on the data, complementary visualizations allow for higher-level exploration and analysis. Covering three aspects Tasks, Visualization Design and Evaluation, I develop and evaluate the following unfolding techniques: (i) temporal navigation between individual time steps of a network and improved animated transitions to better understand changes, (ii) designs for the comparison of weighted graphs, (iii) the Matrix Cube, a space-time cube based on adjacency matrices, allowing to visualize dense dynamic networks by, as well as GraphCuisine, a system to (iv) generate synthetic networks with the primary focus on evaluating visualizations in user studies. In order to inform the design and evaluation of visualizations, we (v) provide a task taxonomy capturing users' tasks when exploring dynamic networks. Finally, (vi) the idea of unfolding networks with Matrix Cubes is generalized to other data sets that can be represented in space-time cubes (videos, geographical data, etc.). Visualizations in these domains can inspire visualizations for dynamic networks, and vice-versa. We propose a taxonomy of operations, describing how 3D space-time cubes are decomposed into a large variety of 2D visualizations. These operations help us exploring the design space for visualizing and interactively unfolding dynamic networks and other spatio-temporal data, as well as may serve users as a mental model of the data.

La modélisation des maladies infectieuses représente un outil important pour évaluer la vulnérabilité d'une population à l'introduction d'un nouveau agent pathogène. La possibilité d’enregistrer les contacts responsables de la propagation des maladies représente à la fois une ressource et un défi pour les modèles épidémiques. En particulier, l'interaction entre la dynamique des maladies et l'évolution dans le temps des structures de contact influence la façon dont les agents pathogènes se propagent, en changeant les conditions qui mènent à une flambée épidémique (seuil épidémique). Jusqu'à maintenant, les chercheurs n'ont caractérisé le seuil épidémique sur des structures de contact qui évoluent dans le temps que dans des contextes spécifiques. En utilisant un formalisme multi-couches, nous calculons analytiquement le seuil épidémique sur un réseau temporel générique. Nous utilisons cette méthode pour évaluer l'impact de la résolution temporelle et la durée du réseau sur l'estimation du seuil. De plus, grâce à cette méthode, nous évaluons la vulnérabilité globale de différents systèmes à l'introduction d'agents pathogènes, et en particulier nous analysons les réseaux de mouvements des bovins. Les données de contact souvent ne sont pas disponible en temps réel, et cela limite notre capacité de prévision. Pour répondre à ça, nous développons une méthodologie numérique pour prédire le risque épidémique ciblé, qui repose uniquement sur les données de contact passées. Notre travail fournit de nouvelles méthodologies pour évaluer et prédire le risque associé à un agent pathogène émergent, à la fois à l'échelle de la population et en ciblant des hôtes spécifiques. / Infectious disease modeling represents a powerful tool for assessing the vulnerability of a population to the introduction of a new infectious pathogen. The increased availability of highly resolved data tracking host interactions is making epidemic models potentially increasingly accurate. Integrating into them all the features emerging from these data, however, still represents a challenge. In particular, the interaction between disease dynamics and the time evolution of contact structures has been shown to impact the way pathogens spread, changing the conditions that lead to the wide-spreading regime, as encoded in epidemic threshold. Up to now researchers have characterized the epidemic threshold on time evolving contact structures only in specific settings. Using a multilayer formalism, we analytically compute the epidemic threshold on a generic temporal network, accounting for several different disease features. We use this methodology to assess the impact of time resolution and network duration on the estimation of the threshold. Then, thanks to it, we assess the global vulnerability of different systems to pathogen introduction, and in particular we analyze the networks of cattle trade movements Data collection strategies often inform us only about past network configurations, and that limits our prediction capabilities. We face this by developing a data-driven methodology for predicting targeted epidemic that relies only past contact data. Our work provides new methodologies for assessing and predicting the risk associated to an emerging pathogen, both at the population scale and targeting specific hosts.

Le domaine de la planification de tâches a vu de rapides développements au cours de la dernière décennie et des planificateurs sont maintenant capable de trouver des plans de centaines actions en quelques secondes. Malgré ces importants progrès, les systèmes robotiques dépendent toujours d'une architecture réactive avec peu de capacités de délibération sur les futures actions qu'il pourraient faire. Dans cette thèse, nous soutenons qu'une intégration réussie d'un planificateur avec un système robotique ne peut être réussie que si le planificateur a la capacité de raisonner sur des modèles temporels et hiérarchiques. Le temps est en en effet une ressource centrale pour énormément d'activité autonomes tandis que les aspects hiérarchiques sont critiques pour l'intégration de modules de délibération à différents niveau d'abstraction, dans lequel on reçoit une vue très abstraite d'une activité qui doit être affinée jusqu'à des commandes motrices. Comme première étape dans cette direction, nous commençons par présenter un modèle pour la planification temporelle qui unifie les approches génératives et hiérarchiques. Au centre de ce modèle sont des patrons d'actions temporelles, complétées par une spécification d'un état initial et de l'évolution attendue de l'environnement. De plus, notre modèle permet la spécification de connaissance hiérarchique sur tout ou partie du domaine. Ainsi, notre modèle généralise les approches génératives et HTN tout en supportant une représentation explicite du temps. Ensuite, nous introduisons un algorithme de planification adapté au modèle proposé. Pour supporter les caractéristiques hiérarchiques, nous étendons l'approche classique de planification en l'espace des plan, notamment utilisée dans les planificateurs basés sur les CSP, avec les notions de tâches et de décomposition. L'approche est implémentée dans FAPE (Flexible Acting and Planning Environment) conjointement avec des techniques pour l'analyse automatique de problèmes. Celles-ci sont utilisées au cours de la planification pour guider la recherche d'une solution. Nous montrons que FAPE a des performances comparables avec les meilleurs planificateurs actuels quand utilisé dans une optique de planification générative. L'ajout d'information hiérarchique permet de les surpasser en augmentant encore les performances. Nous étudions ensuite les méthodes habituellement utilisées pour raisonner sur l'incertitude temporelle en planification. Nous relâchons les suppositions classiques d'observabilité totale et proposons des techniques pour raisonner sur les observations nécessaires pour maintenir un plan exécutable. Nous montrons que les dites observations peuvent être détectées durant la planification et traitées incrémentalement en considérant les actions de perceptions appropriées. Pour finir, nous discutons de la place du système de planification proposé comme composant central pour le contrôle d'un robot. Nous démontrons que la prise en compte explicite du temps facilite le monitoring et l'exécution d'actions quand le système doit prendre en compte des événements contingents qui nécessitent d'être observés. Nous bénéficions également des représentations hiérarchiques et par contraintes qui facilitent la réparation de plan et la possibilité d'affiner un plan durant l'exécution. / The field of AI planning has seen rapid progress over the last decade and planners are now able to find plan with hundreds of actions in a matter of seconds. Despite those important progresses, robotic systems still tend to have a reactive architecture with very little deliberation on the course of the plan they might follow. In this thesis, we argue that a successful integration with a robotic system requires the planner to have capacities for both temporal and hierarchical reasoning. The former is indeed a universal resource central in many robot activities while the latter is a critical component for the integration of reasoning capabilities at different abstraction levels, typically starting with a high level view of an activity that is iteratively refined down to motion primitives. As a first step to carry out this vision, we present a model for temporal planning unifying the generative and hierarchical approaches. At the center of the model are temporal action templates, similar to those of PDDL complemented with a specification of the initial state as well as the expected evolution of the environment over time. In addition, our model allows for the specification of hierarchical knowledge possibly with a partial coverage. Consequently, our model generalizes the existing generative and HTN approaches together with an explicit time representation. In the second chapter, we introduce a planning procedure suitable for our planning model. In order to support hierarchical features, we extend the existing Partial-Order Causal Link approach used in many constraintbased planners, with the notions of task and decomposition. We implement it in FAPE (Flexible Acting and Planning Environment) together with automated problem analysis techniques used for search guidance. We show FAPE to have performance similar to state of the art temporal planners when used in a generative setting. The addition of hierarchical information leads to further performance gain and allows us to outperform traditional planners. In the third chapter, we study the usual methods used to reason on temporal uncertainty while planning. We relax the usual assumption of total observability and instead provide techniques to reason on the observations needed to maintain a plan dispatchable. We show how such needed observations can be detected at planning time and incrementally dealt with by considering the appropriate sensing actions. In a final chapter, we discuss the place of the proposed planning system as a central component for the control of a robotic actor. We demonstrate how the explicit time representation facilitates plan monitoring and action dispatching when dealing with contingent events that require observation. We take advantage of the constraint-based and hierarchical representation to facilitate both plan-repair procedures as well opportunistic plan refinement at acting time.