Le secteur du bâtiment représente plus du tiers de la consommation énergétique et des émissions de gaz à effet de serre mondiales. Face à cet enjeu, des stratégies passives ont permis d'améliorer l'efficacité énergétique des bâtiments. À mesure que les technologies passives se rapprochent de leur limite physique d'efficacité, il devient nécessaire de s'intéresser à des technologies actives. Les stratégies de contrôle par modèle prédictif ont le potentiel de réduire la consommation énergétique des systèmes de chauffage, climatisation, ventilation, conditionnement de l'air et de production d'eau chaude domestique. Une difficulté limitant leur implantation dans les bâtiments provient du besoin de prédire des paramètres influencés par le comportement des occupantes et des occupants qui apparait stochastique, complexifiant le développement de modèles de prédiction. Dans ce contexte, cette thèse se concentre à évaluer des méthodes basées sur les données pour estimer la prédictibilité de la consommation d'eau chaude domestique et d'électricité dans un bâtiment résidentiel. L'impact d'une prédictibilité variable sur les performances est évalué lors de l'implémentation de ces modèles de prédiction dans des contrôleurs par modèle prédictif appliqués à des systèmes de production d'eau chaude domestique. Premièrement, la prédictibilité des profils de consommation d'eau chaude est évaluée à partir de profils mesurés dans un bâtiment résidentiel de 40 logements. Plus précisément, des réseaux de neurones sont entraînés à prédire cette consommation pour des systèmes de tailles variables allant d'un à 100 logements. Le niveau de prédictibilité est identifié comme étant proportionnel au nombre de logements et hautement variable pour des systèmes unifamiliaux, passant de très faible à élevé (c.-à-d., coefficient de détermination allant de 8 à 92% avec une moyenne de 58%). Les résultats montrent une difficulté à prédire précisément les pics de consommation, souvent sous-estimés lorsqu'une faible prédictibilité est observée. Puisqu'un contrôleur par modèle prédictif base ses décisions sur les prédictions, une faible prédictibilité pourrait impacter les performances en termes d'économie d'énergie et de respect des contraintes applicables à un système de production d'eau chaude. Deuxièmement, l'impact du niveau de prédictibilité des profils de consommation d'eau chaude sur les performances de contrôleurs par modèle prédictif est estimé. Les performances d'un contrôleur par modèle prédictif théorique employant des prédictions parfaitement précises sont comparées avec celles obtenues avec un contrôleur employant des prédictions imparfaites produites par les réseaux de neurones entraînés précédemment. Pour un système unifamilial, le principal effet des prédictions imparfaites sur les performances est le non-respect plus fréquent des contraintes de température dû à une incapacité à agir suffisamment en avance en préparation aux futurs pics de consommation d'eau chaude sous-estimés. Néanmoins, en comparaison avec une commande traditionnelle, des économies d'énergie allant de 4 à 8% ont été obtenues avec le contrôleur employant les prédictions imparfaites. En prédisant les périodes de pointe énergétique, les contrôleurs par modèle prédictif ont la capacité de réduire les pointes de consommation énergétique en déplaçant une partie de cette consommation vers les périodes hors-pointes. Dans cette optique, plusieurs modèles de prédiction basés sur les données sont entraînés afin de prédire la consommation d'électricité de logements unifamiliaux liée à l'éclairage et à l'utilisation des prises de courant sur plusieurs horizons allant de 10 minutes à 24 heures. Les arbres de décision renforcés (boosted) par le gradient sont identifiés comme étant la méthode produisant la meilleure qualité de prédiction. Une grande variabilité quant au niveau de prédictibilité est observée entre les logements, ce qui pourrait affecter la capacité des contrôleurs à réduire la consommation énergétique de pointe dans certains cas. Finalement, un dernier chapitre explore le potentiel d'un contrôleur par modèle prédictif employant les modèles de prédiction de la demande en eau chaude et de la consommation d'électricité pour prédire les périodes de pointe. Les résultats démontrent une plus grande différenciation entre les contrôleurs par modèle prédictif avec prédictions parfaites et imparfaites, le premier permettant de réduire d'avantage la consommation énergétique de pointe du chauffe-eau en prédisant plus précisément les périodes de pointe ainsi que la demande en eau chaude domestique correspondante. En comparaison avec la commande traditionnelle, des économies d'énergie pendant les périodes de pointe allant de 10 à 70% (moyenne de 26%) selon l'unité résidentielle étudiée ont été obtenues avec le contrôleur basé sur les prédictions imparfaites. Globalement, cette thèse représente un grand pas vers l'application future des contrôleurs par modèle prédictif basés sur l'apprentissage machine dans les bâtiments résidentiels, et les résultats obtenus démontrent le potentiel de cette stratégie de contrôle face à la réduction de la consommation d'énergie des systèmes de production d'eau chaude domestique unifamiliaux. / The building sector accounts for more than a third of the worldwide energy consumption and greenhouse gas emissions. Facing these challenges, passive strategies have allowed to increase the energy efficiency of buildings. As these passive technologies are reaching their efficiency limits, it is necessary to turn our interest to active technologies. Model predictive control strategies have the potential to reduce the energy consumption of heating, cooling, ventilation and air conditioning as well as domestic hot water production systems. One of the challenges towards their application in buildings is the requirement to predict parameters that are influenced by occupants' behavior that appears to be stochastic. In this context, this thesis focuses on evaluating data-based methods to estimate the predictability of domestic hot water and electricity consumption profiles in a residential building. The impact of a varying predictability on the performance is evaluated by implementing these forecasting models in model predictive controllers applied to domestic hot water production systems. First, the predictability of domestic hot water consumption profiles is evaluated from profiles measured in a 40-unit case-study residential building. More specifically, neural networks are trained to predict this consumption for systems of varying size ranging between one and 100 units. The level of predictability is identified as proportional to the number of units and shows high variability for single-family systems, starting at very low and reaching high levels (i.e., coefficient of determination from 8 to 92% with a mean of 58%). Results show that accurately predicting consumption peaks is a challenge and often results in underestimating their amplitude when a low predictability is observed. As the decisions of model predictive controllers are based on predictions, a low predictability could impact their energy-saving performance and ability to respect the constraints of domestic hot water production systems. Thus, the impact of the level of predictability of hot water consumption profiles on the performance of model predictive controllers is estimated. The performance of a theoretical model predictive controller relying on perfectly accurate predictions are compared with that of a controller using imperfect predictions produced by the previously trained neural networks. In single-family systems, the main impact of imperfect predictions on the performance is more violations of the storage temperature constraint due to the inability to act sufficiently in advance in preparation of underestimated future hot water consumption peaks. Nonetheless, comparing with a traditional controller, energy savings from 4 to 8% were obtained with the predictive controller relying on imperfect forecasts. By predicting energy-peak periods, the predictive controllers have the ability to reduce peak energy consumption by moving parts of the energy consumption to off-peak periods. In this context, many data-based prediction models are trained to predict the plug load and lighting electricity consumption of single-family residential units over horizons of 10 minutes to 24 hours. Gradient-boosted regression trees are identified as the method providing the highest prediction quality. A high variability is observed for the level of predictability between residential units, which could affect the controllers' ability to reduce electricity consumption peaks in some cases. Finally, a last chapter explores the potential of a model predictive controller using the prediction models of the domestic hot water demand and of the electricity consumption to forecast electricity-peak periods. As the electricity consumption was demonstrated as challenging to predict in many contexts, the impact of forecasting inaccuracies on the performance of controllers is even more displayed here. The results show that the model predictive controllers with perfect or imperfect predictions are more differentiated, with the first managing to reduce more the electricity-consumption peaks of the water heater by accurately predicting peak periods along with the corresponding domestic hot water demand. Compared with a traditional controller, peak-period energy savings ranging from 10 to 70% (mean of 26%) were obtained with the controller relying on imperfect forecasts depending on the studied residential unit. Globally, this thesis is a major step towards future application of model predictive controllers based on machine learning in residential buildings. The results demonstrate the potential of this control strategy to reduce the energy consumption of single-family domestic hot water systems.

Le secteur du bâtiment représente plus du tiers de la consommation énergétique et des émissions de gaz à effet de serre mondiales. Face à cet enjeu, des stratégies passives ont permis d'améliorer l'efficacité énergétique des bâtiments. À mesure que les technologies passives se rapprochent de leur limite physique d'efficacité, il devient nécessaire de s'intéresser à des technologies actives. Les stratégies de contrôle par modèle prédictif ont le potentiel de réduire la consommation énergétique des systèmes de chauffage, climatisation, ventilation, conditionnement de l'air et de production d'eau chaude domestique. Une difficulté limitant leur implantation dans les bâtiments provient du besoin de prédire des paramètres influencés par le comportement des occupantes et des occupants qui apparait stochastique, complexifiant le développement de modèles de prédiction. Dans ce contexte, cette thèse se concentre à évaluer des méthodes basées sur les données pour estimer la prédictibilité de la consommation d'eau chaude domestique et d'électricité dans un bâtiment résidentiel. L'impact d'une prédictibilité variable sur les performances est évalué lors de l'implémentation de ces modèles de prédiction dans des contrôleurs par modèle prédictif appliqués à des systèmes de production d'eau chaude domestique. Premièrement, la prédictibilité des profils de consommation d'eau chaude est évaluée à partir de profils mesurés dans un bâtiment résidentiel de 40 logements. Plus précisément, des réseaux de neurones sont entraînés à prédire cette consommation pour des systèmes de tailles variables allant d'un à 100 logements. Le niveau de prédictibilité est identifié comme étant proportionnel au nombre de logements et hautement variable pour des systèmes unifamiliaux, passant de très faible à élevé (c.-à-d., coefficient de détermination allant de 8 à 92% avec une moyenne de 58%). Les résultats montrent une difficulté à prédire précisément les pics de consommation, souvent sous-estimés lorsqu'une faible prédictibilité est observée. Puisqu'un contrôleur par modèle prédictif base ses décisions sur les prédictions, une faible prédictibilité pourrait impacter les performances en termes d'économie d'énergie et de respect des contraintes applicables à un système de production d'eau chaude. Deuxièmement, l'impact du niveau de prédictibilité des profils de consommation d'eau chaude sur les performances de contrôleurs par modèle prédictif est estimé. Les performances d'un contrôleur par modèle prédictif théorique employant des prédictions parfaitement précises sont comparées avec celles obtenues avec un contrôleur employant des prédictions imparfaites produites par les réseaux de neurones entraînés précédemment. Pour un système unifamilial, le principal effet des prédictions imparfaites sur les performances est le non-respect plus fréquent des contraintes de température dû à une incapacité à agir suffisamment en avance en préparation aux futurs pics de consommation d'eau chaude sous-estimés. Néanmoins, en comparaison avec une commande traditionnelle, des économies d'énergie allant de 4 à 8% ont été obtenues avec le contrôleur employant les prédictions imparfaites. En prédisant les périodes de pointe énergétique, les contrôleurs par modèle prédictif ont la capacité de réduire les pointes de consommation énergétique en déplaçant une partie de cette consommation vers les périodes hors-pointes. Dans cette optique, plusieurs modèles de prédiction basés sur les données sont entraînés afin de prédire la consommation d'électricité de logements unifamiliaux liée à l'éclairage et à l'utilisation des prises de courant sur plusieurs horizons allant de 10 minutes à 24 heures. Les arbres de décision renforcés (boosted) par le gradient sont identifiés comme étant la méthode produisant la meilleure qualité de prédiction. Une grande variabilité quant au niveau de prédictibilité est observée entre les logements, ce qui pourrait affecter la capacité des contrôleurs à réduire la consommation énergétique de pointe dans certains cas. Finalement, un dernier chapitre explore le potentiel d'un contrôleur par modèle prédictif employant les modèles de prédiction de la demande en eau chaude et de la consommation d'électricité pour prédire les périodes de pointe. Les résultats démontrent une plus grande différenciation entre les contrôleurs par modèle prédictif avec prédictions parfaites et imparfaites, le premier permettant de réduire d'avantage la consommation énergétique de pointe du chauffe-eau en prédisant plus précisément les périodes de pointe ainsi que la demande en eau chaude domestique correspondante. En comparaison avec la commande traditionnelle, des économies d'énergie pendant les périodes de pointe allant de 10 à 70% (moyenne de 26%) selon l'unité résidentielle étudiée ont été obtenues avec le contrôleur basé sur les prédictions imparfaites. Globalement, cette thèse représente un grand pas vers l'application future des contrôleurs par modèle prédictif basés sur l'apprentissage machine dans les bâtiments résidentiels, et les résultats obtenus démontrent le potentiel de cette stratégie de contrôle face à la réduction de la consommation d'énergie des systèmes de production d'eau chaude domestique unifamiliaux. / The building sector accounts for more than a third of the worldwide energy consumption and greenhouse gas emissions. Facing these challenges, passive strategies have allowed to increase the energy efficiency of buildings. As these passive technologies are reaching their efficiency limits, it is necessary to turn our interest to active technologies. Model predictive control strategies have the potential to reduce the energy consumption of heating, cooling, ventilation and air conditioning as well as domestic hot water production systems. One of the challenges towards their application in buildings is the requirement to predict parameters that are influenced by occupants' behavior that appears to be stochastic. In this context, this thesis focuses on evaluating data-based methods to estimate the predictability of domestic hot water and electricity consumption profiles in a residential building. The impact of a varying predictability on the performance is evaluated by implementing these forecasting models in model predictive controllers applied to domestic hot water production systems. First, the predictability of domestic hot water consumption profiles is evaluated from profiles measured in a 40-unit case-study residential building. More specifically, neural networks are trained to predict this consumption for systems of varying size ranging between one and 100 units. The level of predictability is identified as proportional to the number of units and shows high variability for single-family systems, starting at very low and reaching high levels (i.e., coefficient of determination from 8 to 92% with a mean of 58%). Results show that accurately predicting consumption peaks is a challenge and often results in underestimating their amplitude when a low predictability is observed. As the decisions of model predictive controllers are based on predictions, a low predictability could impact their energy-saving performance and ability to respect the constraints of domestic hot water production systems. Thus, the impact of the level of predictability of hot water consumption profiles on the performance of model predictive controllers is estimated. The performance of a theoretical model predictive controller relying on perfectly accurate predictions are compared with that of a controller using imperfect predictions produced by the previously trained neural networks. In single-family systems, the main impact of imperfect predictions on the performance is more violations of the storage temperature constraint due to the inability to act sufficiently in advance in preparation of underestimated future hot water consumption peaks. Nonetheless, comparing with a traditional controller, energy savings from 4 to 8% were obtained with the predictive controller relying on imperfect forecasts. By predicting energy-peak periods, the predictive controllers have the ability to reduce peak energy consumption by moving parts of the energy consumption to off-peak periods. In this context, many data-based prediction models are trained to predict the plug load and lighting electricity consumption of single-family residential units over horizons of 10 minutes to 24 hours. Gradient-boosted regression trees are identified as the method providing the highest prediction quality. A high variability is observed for the level of predictability between residential units, which could affect the controllers' ability to reduce electricity consumption peaks in some cases. Finally, a last chapter explores the potential of a model predictive controller using the prediction models of the domestic hot water demand and of the electricity consumption to forecast electricity-peak periods. As the electricity consumption was demonstrated as challenging to predict in many contexts, the impact of forecasting inaccuracies on the performance of controllers is even more displayed here. The results show that the model predictive controllers with perfect or imperfect predictions are more differentiated, with the first managing to reduce more the electricity-consumption peaks of the water heater by accurately predicting peak periods along with the corresponding domestic hot water demand. Compared with a traditional controller, peak-period energy savings ranging from 10 to 70% (mean of 26%) were obtained with the controller relying on imperfect forecasts depending on the studied residential unit. Globally, this thesis is a major step towards future application of model predictive controllers based on machine learning in residential buildings. The results demonstrate the potential of this control strategy to reduce the energy consumption of single-family domestic hot water systems.

Tableau d’honneur de la Faculté des études supérieures et postdoctorales, 2008-2009 / La population n'est pas nécessairement exposée à l'eau potable du réseau de distribution. En effet, l'eau peut stagner dans la tuyauterie résidentielle ou séjourner dans le réservoir d'eau chaude pendant plusieurs heures avant d'être consommée. La qualité de l'eau en est affectée et en particulier les sous-produits de la désinfection (SPD). La présente étude a démontré que les concentrations moyennes de trihalométhanes (THM) augmentent lorsque l'eau froide stagne dans les conduites résidentielles et de façon plus importante lorsque l'eau séjourne dans les réservoirs d'eau chaude. Les concentrations d'acides haloacétiques (AHA) augmentent également dans les deux cas mais de manière moins importante que celles des THM. L'hiver et l'automne sont les saisons où les concentrations de ces composés augmentent le plus par rapport à celles retrouvées dans l'eau du réseau de distribution. L'étude a aussi démontré que, autant dans les conduites que dans les réservoirs d'eau chaude résidentiels, les espèces chlorées et bromées ne se comportent pas de la même manière. Finalement, les résultats de l'étude montrent qu'une utilisation soutenue de l'eau à la maison permet de garder les niveaux de THM et d'AHA près de ceux retrouvés dans l'eau du système de distribution.

Alors que la continuité du bâti ne suffit plus pour appréhender l’espace urbain d’aujourd’hui,la discontinuité du tissu urbain est devenue une clé de compréhension de la ville contemporaine et de sonprocessus de formation. Elle suscite l'intérêt des chercheurs, d'autant plus que le déploiement des systèmesd'information géographique offre de nouvelles perspectives de mesure des formes urbaines. Mais, si lestravaux en écologie du paysage ou en géographie permettent de mesurer l'émergence de ces formesdiscontinues, il nous semble important de nous intéresser aux fondements économiques de l'urbanisationdiscontinue qui commencent à faire l’objet de travaux empiriques en économie. La constitution d’une grillede lecture de l’urbanisation discontinue nous permet de comprendre de manière concomitante la formationdes espaces périurbains et les formes de développement de l’habitat à l’échelle parcellaire. Cette rechercheest appliquée au Limousin sur la période 1950-2009. Le prisme de la discontinuité nous apporte un éclairagesur les trajectoires de développement résidentiel des communes de cette région. La construction d’une basede données spatio-temporelles nous offre la possibilité de lire ces trajectoires à partir de l’association demesures de dispersion géographique et de dispersion morphologique de l’habitat. À partir de ces mesuresde dispersion, nous abordons l’articulation des logiques fonctionnelles et morphologiques du développementrésidentiel grâce à la construction d’une base de données multithématiques. Pour comprendre les schémasde localisation des ménages, nous analysons plus particulièrement les problématiques de la production deslogements, de l’interaction entre structure foncière et régulation publique à l’échelle des communes et del’influence des aménités et désaménités des espaces urbains et ruraux sur la dispersion de l’habitat. / While understanding urban areas through continuity of developed land reached its limits,discontinuity of urban fabrics has become a key to understand today's cities and their shaping dynamics. Itraises researchers’ interest especially as GIS development gives new opportunities to measure urbanpatterns. While researches in landscape ecology or geography allow to measure discontinuous patterns, itseems to be important to focus on their economic foundations which are a matter for recent empiricalresearches in economy. The construction of an analytical grid of discontinuous urban patterns allows tounderstand simultaneously peri-urban development and patterns of residential development at the parcellevel. This research is applied to the Limousin region on the 1950-2009 period. The focus on discontinuousurban patterns sheds light on residential trajectories of the Limousin region's communes. The proposal of aspatio-temporal data base allows to understand these trajectories through combined measures of geographical dispersion and morphological dispersion. With these measures, we broach the link betweenfunctional and morphological dynamics thanks to a multitheme data base. To understand household locationand residential dispersion, we analyze the issue of housing production, the interaction between property andpublic regulation at the scale of communes, the influence of amenities and desamenities of urban and ruralspaces

L'instabilité croissante des couples, mariés ou non, a largement contribué à la progression de la monoparentalité : aujourd'hui, en France, une famille avec enfant(s) sur cinq est une famille monoparentale. Parmi ces familles, 85% sont dirigées par une femme (Insee, 2006). Alors que la précarité de ces familles est fréquemment étudiée, un faible intérêt est porté à leurs espaces de vie. D'où un projet portant sur les mobilités résidentielles associées à la monoparentalité et les mobilités quotidiennes qui en découlent. La méthodologie de la recherche doctorale a été élaborée en référence au modèle de l' « espace social de vulnérabilité » (Séchet and al., 2002). La complémentarité entre une enquête par questionnaire et des entretiens compréhensifs a permis de mesurer l'impact en termes de mobilités résidentielles et quotidiennes des contraintes qui pèsent sur ces femmes. D'une part, la situation monoparentale engendre fréquemment une mobilité mais aussi une régression résidentielle du fait d'un choix limité en matière de localisation résidentielle, de statut et de type de logement. D'autre part, l'analyse des pratiques sociales prouve que la mobilité résidentielle est souvent accompagnée d'une rétraction des réseaux sociaux, du temps, de la capacité de mobilité et, par conséquent, d'une rétraction des espaces de vie. La recherche révèle ainsi différentes formes de vulnérabilité (économiques, relationnelles, spatialités contraintes) qui interagissent les unes avec les autres et qui, en se cumulant, produisent un risque de pauvreté économique, de marginalité spatiale et d'exclusion sociale.

Malgré leur grande diversité, les immigrés d'origine africaine en France éprouvent des difficultés spécifiques d'accès aux marchés du travail et du logement qui rendent pertinente leur étude en tant que groupe : un groupe doté d'une géographie propre -un fort tropisme urbain et une sur représentation dans les quartiers pauvres dominés par l'habitat social ; un groupe dont l'intégration relative au marché du travail français s'est plutôt dégradée au cours des dernières décennies ; un groupe ségrégé pour lequel il est crucial de comprendre les interactions entre marché du travail et marché du logement. Dans cette thèse, je développe plusieurs modélisations microéconomiques permettant d'éclairer certains dysfonctionnements du marché du logement face à une population de consommateurs économiquement précaires, soumise aux préjugés éventuels des autres acteurs du marché et dont près de la moitié est en réalité prise en charge par une politique publique de logement social. Les prédictions issues de ces différentes modélisations sont ensuite confrontées à la situation des immigrés d'origine africaine en France, observés au cours de la période 1996-2006 à travers l'Enquête Nationale Logement. Sont établis les résultats suivants : l'existence d'une discrimination à l'encontre des immigrés d'origine africaine sur le marché locatif privé, pouvant expliquer une partie de leur sur représentation dans le parc HLM ; l'existence d'un tri spatial des locataires HLM d'origine africaine vers les logements situés dans quartiers les plus pauvres ; enfin, le rôle du marché du logement dans l'explication du surcroît de chômage frappant cette population. / African immigrants in France share common difficulties in terms of labor market and housing market access. As such, they may be studied as a group: a group with its own geography (high urbanization rate and over-representation in poor, public-housing-dominated neighborhoods); a group whose relative labor market integration has declined over the past decades; a segregated group for which understanding the interplay between the labor market and the housing market is crucial. In the four chapters of this thesis, I build several microeconomic models which attempt to describe some of the failures of the housing market when it is confronted with a group of economically fragile consumers, who may suffer from others' prejudice and who massively benefit from a government-controlled public housing program. The predictions that are derived from these models are then tested on the population of African immigrants in France, mostly through the statistical analysis of the last three waves (1996, 2002 and 2006) of the French National Housing Survey. The main results are threefold: first, African immigrants do suffer from customer-based discrimination in the private rental housing market, which may partly explain their high participation rate to public housing; second, sorting mechanisms within the French public housing market direct African public tenants into the poorest neighborhoods, even though the rent gradient of public housing with respect to location characteristics is almost flat; last, both geographic preferences and housing market access play some role in explaining the residual unemployment and urbanization gaps between African immigrants and non-immigrants in France.

Cette thèse aborde la problématique du rapport entre ville et commerce.Depuis un siècle, la recherche urbaine est venue rappeler avec constance l’existence d’une relation d’évidence entre ces deux termes. Cette relation est pourtant interrogée par un phénomène de découplage croissant entre l’évolution des surfaces de commerce et l’évolution de la consommation des territoires.Cette recherche avance l’hypothèse que ce découplage témoigne d’un processus de «déterritorialisation » du commerce, au sens où l’activité de ce secteur relève désormais en majorité de grandes entreprises intégrées ou de conglomérats d’activités qui, dans le sillage des firmes globales, développent de nouvelles stratégies de développement au sein de chaînes de valeur globale, dont l’un des effets majeurs est de les émanciper des contraintes d’implantation sur un territoire donné, qu’il soit national, régional, voire local. En des termes régulationnistes, les mutations du mode d’accumulation du commerce définissent un nouvel espace économique tendant à se dissocier de l’espace politique de sa régulation par les territoires.La démarche s’engage sur une réflexion épistémologique visant à révéler les hypothèses fondatrices du cadre d’analyse de cette relation réputée « d’évidence », entre ville et commerce. Elle se poursuit par un questionnement de ces hypothèses, mené à partir de la mesure empirique de deux phénomènes de disjonction entre l’évolution de la fonction commerciale et l’évolution de la structure commerciale des villes. La question de la vacance commerciale est particulièrement traitée. Elle s’achève par la proposition d’un cadre d’analyse du rapport entre ville et commerce revisité à travers le concept de déterritorialisation. / For over a century, town planning constantly insisted on the link between these two notions.Nevertheless, this relation is coming under scrutiny because of a decoupling phenomenon between the evolution of the trade surface versus the evolution of the territories consumption.This research works from the hypothesis that the decoupling is the result of a process of "deterritorialization" of trade, meaning that the trade activities are part of large integrated companies or conglomerates following the same example than global firms developing new strategies based on global values. As a result, the trade installation in a given territory is emancipated from the national, regional or local constraints.In legal terms, the changes of the accumulation process for trade defines a new economic space tending to separate itself from the political sphere and its regulations by the territories.This analysis is based on a systematic reflection about the founding hypotheses linking city and trade as an obvious "fait accompli". The hypotheses will be challenged by a study based on observations of two disjunction phenomenoms between the evolution of trade levels and the evolution of trade infrastructure within cities. The question of commercial vacancy will be examined in details. In the end, a new proposal will be presented to revisit the connection between city and trade through the concept of "deterritorialization".

Proposer une offre en logements adaptée aux différents besoins et préférences des ménages représente un enjeu important pour les acteurs publics de l’aménagement. Ces besoins et préférences dépendent des caractéristiques des ménages et des changements qu’ils peuvent connaître dans leur cycle de vie (mise en couple, naissance, séparation…). Les facteurs participant aux choix résidentiels sont nombreux (attributs du logement, caractéristiques de l’environnement résidentiel) et interviennent différemment selon les types de ménages. Les dynamiques résidentielles impliquent ainsi une grande variété d’éléments, en interaction les uns avec les autres, et les relations de cause à effet sont difficiles à identifier. Par conséquent, il n’est pas possible de prévoir le comportement résidentiel des ménages pas plus que leurs évolutions possibles sans outil adapté.Pour étudier les dynamiques résidentielles intra-urbaines, nous utilisons dans cette thèse un modèle de simulation des mobilités résidentielles (Mobisim-MR) intégré dans une plateforme de simulation LUTI individu-centrée : Mobisim. Mobisim-MR permet de déterminer, pour chaque année de simulation, les ménages qui déménagent et leur nouvelle localisation résidentielle. En amont de Mobisim-MR, un modèle de simulation des évolutions démographiques (Mobisim-Démo) a été créé au sein de la plateforme Mobisim. Il permet de reproduire de manière dynamique et individu-centrée l’évolution des ménages dans leur cycle de vie. Une partie de la thèse est dédiée au paramétrage ces deux modèles, étape préalable nécessaire à la simulation de scénarios. Un autre volet de la thèse concerne l’exploration du comportement du modèle Mobisim-MR pour évaluer la stabilité des résultats de simulation et leur cohérence (analyse de sensibilité). L’utilisation de modèles individu-centrés est relativement récente en géographie, d’où l’absence de protocole standard pour l’exploration de tels modèles. Un protocole spécifique a été conçu pour explorer le comportement de Mobisim-MR. Ce protocole tient compte de la nature des paramètres du modèle, des contraintes techniques de simulation et de l’objectif pour lequel le modèle a été conçu.Le dernier volet de la thèse consiste en des analyses thématiques visant à étudier l’impact de deux scénarios de politiques de construction de logements sur l’agglomération du Grand Besançon. Ces analyses montrent la capacité de Mobisim-MR à répondre à des questions concrètes d’aménagement et à apporter des éléments de discussion aux acteurs publics en charge des politiques de logement. / To ensure that housing supply is suitable to households’ needs and preferences represents a major planning concern. These needs and preferences depend on the households’ characteristics and on their lifecycle changes (union, birth, divorce…). Residential choice factors are numerous (housing and residential environment characteristics) and their role is often different according to the types of households. Residential dynamics involve a great variety of elements, in interaction with each other, and the causal relationships are difficult to identify. Thus, it is not possible to predict the households’ residential behaviour, nor their possible evolutions, without a suitable tool. To study intra-urban residential dynamics, we use a residential mobility simulation model (Mobisim-MR), integrated in an agent-based LUTI simulation platform: Mobisim. For each simulated year, Mobisim-MR allows for determination of households which move and their new residential location. Prior to Mobisim-MR, we created a demographic microsimulation model (Mobisim-Démo) within the Mobisim platform. It allows reproducing households lifecycle evolutions in a dynamic and agent-based way. A part of the thesis is dedicated to the calibration of both models, a required stage preliminary to scenarios simulation. Another part of the thesis concerns the exploration of Mobisim-MR model behaviour, in order to assess the simulation results’ stability and their consistency (sensitivity analysis). Agent-based models use is quite recent in geography, explaining the lack of standard protocol to explore such models. A specific protocol has been designed to explore the behaviour of Mobisim-MR. This protocol takes into consideration the parameters characteristics, simulation technical constraints, and the initial design for which the model has been built.The last part of the thesis consists of thematic analyses aimed at studying the impact of two housing construction planning scenarios in the urban region of Besançon (named le Grand Besançon). These analyses highlight the ability of Mobisim-MR to answer concrete planning questions and to initiate discussion among urban planners.

Les dynamiques métropolitaines sont marquées par des mouvements contradictoires de concentration et d'étalement urbain mais aussi de ségrégation spatiale. À travers des mécanismes de séparation/agrégation de population conduisant à des espaces homogènes et inégalitaires, la ségrégation produit, par le biais des effets de quartier, de nouvelles inégalités socio-économiques. La lutte contre la ségrégation spatiale est un objectif des politiques urbaines, affirmé par le cadre du développement durable. Cependant, la croissance des inégalités socio-spatiales nous interroge sur les causes du phénomène et particulièrement celles liées à la forme de la croissance urbaine. L'objectif de cette thèse est d'apporter une première réponse, en analysant l'impact de la forme urbaine sur la ségrégation dans les 100 plus grandes aires urbaines françaises. D'abord, nous proposons de mesurer la ségrégation et d'analyser ses évolutions depuis une vingtaine d'années à partir d'indicateurs et des données de revenu, à plusieurs échelles spatiales (Direction Générale des Impôts 1984-2004, INSEE-DGI 2001). Nous analysons ensuite les mobilités résidentielles des catégories socioprofessionnelles à Lyon, Lille et Marseille, à l'échelle communale (RGP 1982, 1990 et 1999). Nous testons enfin l'effet de la densité et du polycentrisme sur la disparité inter-zones et l'homogénéité intra-zones des aires urbaines étudiées. Les résultats confirment l'ambiguïté du lien entre densité et ségrégation en montrant l'absence d'effet et rejettent l'hypothèse d'un polycentrisme moins ségrégatif. Notre analyse contribue ainsi à une meilleure compréhension des mécanismes ségrégatifs et nous permet de proposer des pistes de recherche.

L'instabilité croissante des couples, mariés ou non, a largement contribué à la progression de la monoparentalité : aujourd'hui, en France, une famille avec enfant(s) sur cinq est une famille monoparentale. Parmi ces familles, 85% sont dirigées par une femme (Insee, 2006). Alors que la précarité de ces familles est fréquemment étudiée, un faible intérêt est porté à leurs espaces de vie. D'où un projet portant sur les mobilités résidentielles associées à la monoparentalité et les mobilités quotidiennes qui en découlent. La méthodologie de la recherche doctorale a été élaborée en référence au modèle de l' « espace social de vulnérabilité » (Séchet and al., 2002). La complémentarité entre une enquête par questionnaire et des entretiens compréhensifs a permis de mesurer l'impact en termes de mobilités résidentielles et quotidiennes des contraintes qui pèsent sur ces femmes. D'une part, la situation monoparentale engendre fréquemment une mobilité mais aussi une régression résidentielle du fait d'un choix limité en matière de localisation résidentielle, de statut et de type de logement. D'autre part, l'analyse des pratiques sociales prouve que la mobilité résidentielle est souvent accompagnée d'une rétraction des réseaux sociaux, du temps, de la capacité de mobilité et, par conséquent, d'une rétraction des espaces de vie. La recherche révèle ainsi différentes formes de vulnérabilité (économiques, relationnelles, spatialités contraintes) qui interagissent les unes avec les autres et qui, en se cumulant, produisent un risque de pauvreté économique, de marginalité spatiale et d'exclusion sociale