La croissance des données numériques accentue le verrou scientifique de la RI consistant à trouver un compromis entre exhaustivité et précision des résultats. Le modèle proposé, la proximité floue (PF), allie expressivité des requêtes booléennes et utilisation de la proximité, et vise une approche à haute précision. Chaque mot-clé possède une zone d'influence utile à l'évaluation des requêtes. Les opérations floues associées aux opérateurs booléens classiques permettent de propager la proximité jusqu'à la racine. La PF a été largement validée sur les collections de test classiques et pour les éditions 2005 et 2006 des campagnes d'évaluations internationales de RI (Trec, Clef et Inex 2006). Les résultats sur des requêtes construites automatiquement sont équivalents à ceux des méthodes de référence Okapi/Lucy, vectoriel/MG. Par contre, avec l'utilisation de requêtes manuelles adaptées à la PF, les résultats sont très largement supérieurs aux modèles classiques.

Cette thèse rend compte de travaux portant sur l’inférence de structures répétitives à partir du signal audio à l’aide d’algorithmes du texte. Son objectif principal est de proposer et d’évaluer des algorithmes d’inférence à partir d’une étude formelle des notions de similarité et de répétition musicale.Nous présentons d’abord une méthode permettant d’obtenir une représentation séquentielle à partir du signal audio. Nous introduisons des outils d’alignement permettant d’estimer la similarité entre de telles séquences musicales, et évaluons l’application de ces outils pour l’identification automatique de reprises. Nous adaptons alors une technique d’indexation de séquences biologiques permettant une estimation efficace de la similarité musicale au sein de bases de données conséquentes.Nous introduisons ensuite plusieurs répétitions musicales caractéristiques et employons les outils d’alignement pour identifier ces répétitions. Une première structure, la répétition d’un segment choisi, est analysée et évaluée dans le cadre dela reconstruction de données manquantes. Une deuxième structure, la répétition majeure, est définie, analysée et évaluée par rapport à un ensemble d’annotations d’experts, puis en tant qu’alternative d’indexation pour l’identification de reprises.Nous présentons enfin la problématique d’inférence de structures répétitives telle qu’elle est traitée dans la littérature, et proposons notre propre formalisation du problème. Nous exposons alors notre modélisation et proposons un algorithme permettant d’identifier une hiérarchie de répétitions. Nous montrons la pertinence de notre méthode à travers plusieurs exemples et en l’évaluant par rapport à l’état de l’art. / The work presented in this thesis deals with repetitive structure inference from audio signal using string matching techniques. It aims at proposing and evaluating inference algorithms from a formal study of notions of similarity and repetition in music.We first present a method for representing audio signals by symbolic strings. We introduce alignment tools enabling similarity estimation between such musical strings, and evaluate the application of these tools for automatic cover song identification. We further adapt a bioinformatics indexing technique to allow efficient assessments of music similarity in large-scale datasets. We then introduce several specific repetitive structures and use alignment tools to analyse these repetitions. A first structure, namely the repetition of a chosen segment, is retrieved and evaluated in the context of automatic assignment of missingaudio data. A second structure, namely the major repetition, is defined, retrieved and evaluated regarding expert annotations, and as an alternative indexing method for cover song identification.We finally present the problem of repetitive structure inference as addressed in literature, and propose our own problem statement. We further describe our model and propose an algorithm enabling the identification of a hierarchical music structure. We emphasize the relevance of our method through several examples and by comparing it to the state of the art.

Rechercher de l’information sur Internet avec un moteur de recherche est une activité complexe qui exige des utilisateurs un grand nombre de traitements. Les travaux de recherche sur les effets du vieillissement en RI ont montré que les utilisateurs âgés ont de moins bonnes performances, passent plus de temps à évaluer les pages de résultats du moteur de recherche et reformulent moins que les jeunes. Ces difficultés seraient dues au déclin des habiletés cognitives fluides comme la flexibilité cognitive, la vitesse de traitement ou le rafraichissement en mémoire de travail. Pour comprendre comment le vieillissement cognitif affecte l’activité de RI, nos travaux ont investigué les stratégies de recherche élaborées par les utilisateurs jeunes et âgés ainsi que les processus cognitifs impliqués. La première partie de ce travail s’est attaché à étudier, au travers de 2 expérimentations, comment les connaissances antérieures peuvent soutenir l’activité de recherche des utilisateurs plus âgés et les aider à répondre aux exigences de la RI selon le niveau de complexité des tâches de recherche. La deuxième partie du travail de recherche a investigué le rôle de deux dispositifs d’aide à la RI : l’un maximisant les effets bénéfiques des connaissances antérieures par un dispositif de pré-activation (étude 3), et l’autre soutenant le maintien du but en mémoire de travail (étude 4). Nos résultats ont montré que les utilisateurs plus âgés ont davantage de difficultés que les jeunes à évaluer les pages de résultats du moteur de recherche et à reformuler leurs requêtes (ils produisent moins de nouveaux mots clés et utilisent plus de mots clés issus des problèmes de recherche). En outre, la phase initiale de l’activité de recherche s’est avérée être plus critique pour les adultes âgés qui produisent des requêtes initiales moins élaborées et passent plus de temps sur la première page de résultats du moteur de recherche. Les connaissances antérieures sur le domaine peuvent toutefois soutenir le niveau d’élaboration des requêtes des utilisateurs plus âgés et améliorer les stratégies de recherche. Par ailleurs, pré-activer les connaissances antérieures peut soutenir l’élaboration de stratégies de recherche descendantes et améliorer le contenu sémantique des requêtes des âgés (particulièrement dans un domaine pour lequel ils ont de faibles connaissances antérieures). Enfin, l’outil d’aide soutenant le maintien du but en mémoire de travail favorise des stratégies de recherche plus flexibles en améliorant la reformulation des requêtes (temps de reformulation plus courts) et en aidant l’exploration en début d’activité. Ces travaux de recherche posent les bases d’un nouveau modèle cognitif de l’activité des RI pour les utilisateurs plus âgés. / Searching for information with a search engine is a complex activity that requires users to perform a series of cognitive processes. Prior works showed that older users can have lower search performance, they spent more time on the search engine result pages and they produce fewer queries than young ones. Older users’ difficulties are mainly caused by the age-related decline of fluid abilities such as cognitive flexibility, processing speed or update in working memory. To understand the effects of aging on information search with a search engine, we studied the search strategies elaborated and the cognitive processes involved by young and older adults. The first part of the present work investigated how prior knowledge about the search topic can support older users’ on-line search behavior and help them deal with the search task complexity (2 experiments). The second part of our work analyzed the role of two information search support tools. One tool aimed at optimizing the benefits of domain knowledge by pre-activating prior knowledge (experiment 3) whereas the other aimed at supporting search goal refreshing in working memory (experiment 4). Results showed that older users had more difficulties evaluating the search engine results pages and reformulating than young ones (i.e. they produced fewer new keywords and used more keywords extracted from the search problem statement in their queries). The initial stage of the search represented a challenge for older users who formulated initial queries that were less elaborate and spent longer dwell time on the first search engine page than young ones. Prior knowledge can improve older users’ reformulation and support more elaborate search strategies. In addition, pre-activating prior knowledge can foster top-down search strategies and improve the semantic content of the queries produced by older users (especially in a domain for which they have low prior knowledge). The support tool helping search goal refreshing in working memory fostered more flexible search strategies and improved reformulation (i.e. reduced the time needed by older users to reformulate). Eventually, our research work led us to elaborate a new cognitive model of information search with a search engine that takes into account the role of aging.

Dans un article récent sur les enjeux de la recherche d'informations, Belkin (2008) rappelle que la question de la personnalisation est annoncée comme majeure depuis une vingtaine d'années mais que la plupart des tentatives vers une étude systématique ont échoué. S'il n'est pas question de prétendre que les évaluations TREC Interactive puis TREC Hard et TREC ciQA, pour ne mentionner qu'elles, n'ont abouti à rien dans ce domaine, force est de constater que l'utilisateur n'intervient que très peu dans les systèmes de recherche de l'Internet et qu'aussi bien des paradigmes d'évaluation que des stratégies efficaces restent encore à trouver. <br /><br />Dans les différents chapitres qui constituent ce mémoire d'Habilitation, nous présentons trois directions vers une personnalisation de la recherche d'informations. La première correspond à une analyse du besoin en information d'un utilisateur qui permet de distinguer recherche documentaire et recherche de réponses précises sachant que celles-ci peuvent être des informations factuelles, des définitions ou des explications. Cette distinction correspond à celle entre Recherche d'informations (RI) et questions-réponses (QR) mais, pour être utilisables, les systèmes correspondants devront être fusionnés. En outre, il sera utile d'inciter l'utilisateur à changer ses habitudes pour laisser de côté les requêtes mots-clés et (re)venir à des requêtes en langue naturelle. Les solutions logicielles que nous avons développées ont été évaluées dans le cadre des campagnes TREC, CLEF et EQUER.<br /><br />La seconde direction que nous avons suivie est celle de l'aide à la navigation dans de grandes bases documentaires mélangeant fichiers audio et textes. Elle consiste à définir une interface homme-machine permettant un survol chronologique, par l'exploitation de méthodes de reconnaissance de la parole, d'indexation sémantique (LSI), de segmentation thématique et de résumé automatique (campagne d'évaluation DUC), des documents de la collection. Les techniques d'indexation en jeu n'exploitent pas la totalité des traits propres à l'audio (prosodie, hésitations...) et cela fera l'objet de travaux futurs. L'objectif étant de parvenir à des systèmes multimodaux dans lesquels les documents audio ne sont pas \textit{noyés} parmi des documents texte plus nombreux et plus verbeux.<br /><br />La troisième direction consiste à prendre en compte la capacité de lecture et d'écriture d'un utilisateur dans le calcul du score de pertinence d'un document vis à vis d'une requête. Les avancées les plus récentes de la technique et de l'imagerie médicale nous offrent des modélisations plausibles de nos fonctionnements cognitifs dont nous pouvons nous inspirer afin de simuler l'humain dans des domaines tels que le langage et la pensée. Nous nous sommes plus particulièrement intéressé aux modèles cognitifs de la lecture et à la tentative de les exploiter afin de définir des systèmes de recherche d'informations capables d'estimer l'effort nécessaire à la compréhension d'un document et d'être suffisamment robustes pour accepter des requêtes mal orthographiées. Les modèles de recherche d'informations usuels permettent d'ordonner des documents en fonction de la quantité d'informations qu'ils véhiculent vis à vis de ce que l'utilisateur a exprimé dans sa requête tout en tenant compte, dans le meilleur des cas, du taux de nouveautés apportées par rapport à d'autres documents déjà connus. Il s'agit d'une vision purement informationnelle de la pertinence posant l'hypothèse que plus le nombre d'informations nouvelles est grand, plus le document est susceptible d'intéresser l'utilisateur. Cela s'avère exact dans une certaine mesure mais ne tient pas compte du fait que les besoins sont différents suivant le niveau d'expertise de l'utilisateur : une personne novice dans un domaine sera certainement plus intéressée par un document de vulgarisation que par une étude approfondie, au vocabulaire et à la structure complexes. Cela est vrai à plus forte raison pour des personnes ayant des difficultés élevées de lecture tels les dylsexiques. Il s'agit alors de définir de nouvelles mesures prenant en compte cet aspect tout en offrant la possibilité de présenter d'abord les documents les plus "simples", les plus "lisibles".<br /><br />La problématique de la personnalisation et de la prise en compte de l'utilisateur en recherche d'informations renvoie naturellement à celle, bien plus large, des fondements du traitement automatique des langues, au croisement de la linguistique et de l'informatique, toutes deux rejointes par la psycholinguistique et la psychologie cognitive pour l'étude des comportements individuels, les neurosciences pour l'étude des racines physiologiques du langage mais aussi par la sémiologie pour des analyses globales des usages et des significations. Ce croisement pluridisciplinaire est un enjeu majeur des années à venir si l'on veut aller au-delà, pour paraphraser K. Sparck-Jones, de la seule étude permettant d'espérer (et encore ne s'agit-il que d'un espoir sans même être convaincu de la significativité des gains) grappiller quelques points de précision en recherche ad-hoc.<br /><br />Il va de soi que les recherches présentées correspondent à un travail d'équipe. Elles sont ainsi l'\oe uvre des activités conduites au LIA depuis septembre 2000, et notamment, en respectant l'ordre chronologique, celles de Laurent Gillard, Benoît Favre et Laurianne Sitbon dont j'ai co-encadrées les thèses de Doctorat avec Marc El-Bèze (Université d'Avignon et des Pays de Vaucluse), Jean-François Bonastre (Université d'Avignon et des Pays de Vaucluse) et Philippe Blache (CNRS et Université Aix-Marseille).

La plupart des modèles d'indexation en recherche d'informations sont spécifiques à une application ou à un domaine particulier, et n'exploitent pas toute la richesse des documents électroniques. Le but de ce travail est de définir un modèle d'indexation pour les documents textuels qui tienne compte de la structure et d'autres informations complémentaires au discours. Le modèle proposé comporte deux composantes : le langage de représentation, qui définit de façon conceptuelle les informations du document, y compris les index eux-mêmes, et les règles de dérivation, qui, reprenant ce langage, permettent de déduire un type particulier d'index, les thèmes. L'indexation dans notre modèle ne se contente pas de produire une représentation statique du document, mais elle est aussi dynamiquement liée au processus de correspondance ; ainsi, le choix des thèmes, tels que déterminés par les règles, est fonction du document et de l'utilisateur. Notre approche a été validée en deux temps. D'abord, un questionnaire a été soumis à un groupe d'utilisateurs afin de cerner leur processus de dérivation de thèmes. Cette validation à priori a permis de démontrer le bien-fondé de nos règles de dérivation. Puis, dans une validation à posteriori, le modèle a été implémenté et testé sur une collection de documents sgml. Cette expérimentation a demontré l'applicabilité et la flexibilité du modèle.

Le fonctionnement d'un SRI est constitué de plusieurs étapes : l'étape de présentation des besoins par l'utilisateur, celle du traitement de la requête de l'utilisateur par le système, celle de l'évaluation des solutions du système par l'utilisateur et celle de la modification ou mise à jour de la requête par le système ou par l'utilisateur. Dans chacune de ces étapes, la prise en compte des particularités de chaque utilisateur est nécessaire pour rendre le système plus efficace, en particulier par rapport à la pertinence des réponses du système. On exige de l'utilisateur de bien définir ses besoins et d'être capable de les traduire dans le langage du système. Le jugement de pertinence d'une réponse par l'utilisateur dépend des paramètres qui lui sont propres.<br /><br />En ce qui concerne l'utilisateur, nous travaillons sur trois types de connaissance pour le représenter : ses habitudes évocatives, son niveau de connaissance basé sur la notion de catégorie fondamentale, et ses jugements de pertinence sur les solutions du système en réponse à ses requêtes. Par l'observation du fonctionnement d'un centre de documentation et par l'efficacité des résultats obtenus par le dialogue entre l'utilisateur et un médiateur du centre, nous avons orienté nos travaux vers le développement d'un système de recherche coopérative d'information (SRCI). Dans un SRCI, l'utilisateur pourra effectuer sa recherche en collaboration avec un médiateur sur des postes de travail distants.<br /><br />Les perspectives à court terme sont de représenter chaque utilisateur par l'historique de ses activités. Ces activités sont représentées sous forme de documents qui pourront être analysés par notre méthode d'accès et d'analyse de l'information. Nous comptons employer les techniques de raisonnement à base de cas pour exploiter ces analyses pour personnaliser les réponses du système et exploité par un médiateur dans un contexte de recherche coopérative d'information.<br /><br />A plus long terme, nous pensons qu'il faudra étudier le processus de communication (ou de dialogue) entre l'utilisateur et le médiateur dans un contexte de SRCI. Les systèmes que nous avons développé pourront servir d'outils d'observation des comportements de l'utilisateur. Il faudra également étudier l'intégration de ces outils dans un environnement de recherche documentaire permettant non seulement d'obtenir et d'analyser les informations d'une base mais permettant d'accéder aux documents primaires.

Cette étude est une recherche impliquée portant sur la mise en place d'un module pédagogique abordant des thématiques culturelles et intégrant Internet. Nous montrons comment ce module peut, d'une part, aider les apprenants à s'approprier des éléments de la culture cible (et plus particulièrement à s'adapter au cursus d'une Grande École), et d'autre part, permettre de "provoquer" des échanges voire des connivences avec les élèves français ou francophones fréquentant la formation d'ingénieurs de l'École. Une telle approche gagne à s'appuyer sur les apports anciens de l'utilisation des TIC qui apportent des repères sur les supports, la position de l'apprenant et le guidage. Nous précisons que la recherche en ligne et l'accès à la multimodalité peuvent permettre la flexibilité des parcours. Nous tenons compte des limites du travail avec des documents numériques et de la surcharge cognitive liée à la juxtaposition de l'image, du son et du texte. Le travail collectif et le journal de bord sont des atouts pour le projet. Nous nous intéressons aux centres de ressources, à la cyberenquête, au blog et à la formation à distance. La culture est un concept difficile à circonscrire et différentes approches existent pour découvrir les faits culturels. Nous distinguons culture cultivée, culture anthropologique, culture partagée et interculturel. Notre projet répond en partie aux critères d'élaboration de la recherche-action. Il s'appuie sur les particularités de la formation de jeunes adultes et nous nous attachons à décrire l'importance de la responsabilisation, de l'autonomie et de la flexibilité des parcours. Le formateur peut revêtir différents rôles en formation d'adultes et une posture non directive favorise le travail collectif et la construction des connaissances. Des entrevues de groupe et des questionnaires ont permis d'aboutir à des profils d'élèves et ont aidé à l'élaboration du module. Nos conclusions s'appuient sur les bilans de fin de formation et les journaux de bord des apprenants. Nous avons pu établir une typologie des activités réalisables et transposable à d'autres langues. Nous aboutissons à des propositions d'ouvertures pour de futures recherches.

Ce travail considère les systèmes multi-agents pour la gestion d'un web sémantique d'entreprise basé<br>sur une ontologie. Dans le projet CoMMA, je me suis focalisé sur deux scénarios d'application:<br>l'assistance aux activités de veille technologique et l'aide à l'insertion d'un nouvel employé dans une organisation. Trois aspects ont été développés dans ce travail :<br>- la conception d'une architecture multi-agents assistant les deux scénarios, et l'approche organisationnelle descendante adoptée pour identifier les sociétés, les rôles et les interactions des agents ;<br>- la construction de l'ontologie O'CoMMA et la structuration de la mémoire organisationnelle en exploitant les technologies du Web sémantique ;<br>- la conception et l'implantation (a) des sous-sociétés d'agents chargées de la maintenance des annotations et de l'ontologie et (b) des protocoles supportant ces deux groupes d'agents, en particulier des techniques pour la distribution des annotations et des requêtes entre les agents.

Nous présentons l'étude et la réalisation d'un analyseur de surface de la langue naturelle, dans le contexte des systèmes de recherche d'informations. Cette analyse morpho-syntaxique a pour objet la reconnaissance des concepts véhicules par les syntagmes nominaux (groupes conceptuels) présents dans les textes, en vue de leur indexation automatique. Pour cela nous avons défini: 1) une analyse morphologique utilisant un dictionnaire de racines organise en arbre lexicographique, un ensemble de desinences et des modèles de composition morphologique; 2) une analyse syntaxique partielle basée d'une part, sur un filtrage utilisant une matrice de précédente qui exploite les relations positionnelles de la langue et certaines contraintes grammaticales, et d'autre part sur une resolution des ambiguïtés grammaticales par l'application de schémas prédéfinis; 3) un enrichissement automatique du vocabulaire base sur une interprétation des formes inconnues en fonction de l'orthographe et du contexte immédiat. L'architecture de cet analyseur est présentée en détail, ainsi que des résultats d'expérimentation obtenus pour des textes de différents corpus

.