Le renforcement de sols par inclusions rigides est une technique de fondation dans laquelle un matelas granulaire de transfert de charge est mis en \oe uvre entre l'ouvrage et le sol support. Les reports de charges se développant dans le matelas permettent d'augmenter la charge de l'ouvrage transmise au réseau d'inclusions mis en place dans le sol support. Une importante réduction des tassements peut ainsi être obtenue. L'absence de recommandations relatives au dimensionnement et à la réalisation de de ce type de renforcement de sol a conduit à la mise en place du projet national ASIRi. Une des étapes essentielles à la compréhension du fonctionnement de ce type d'ouvrage réside dans les mécanismes de transfert de charge agissant dans le matelas granulaire qui demeurent mal connus et complexes. Afin d'apporter des éléments de compréhension relatifs à ces mécanismes, une étude expérimentale mettant en jeu des matelas granulaire soumis à une sollicitation simplifiée a été réalisée sur modèle réduit. Dans un second temps, l'étude expérimentale a été complétée par des modélisations numériques utilisant la Méthode des Éléments Discrets. Enfin, une étude paramétrique et numérique portant sur le comportement de matelas de transfert de charge sur inclusions rigides est proposée. Elle se base sur des configurations d'ouvrages usuelles et permet d'évaluer l'influence de différentes solutions techniques sur les reports de charge.

Cette thèse traite de la conception de système multi-agents. Elle se focalise sur des approches formelles et s'est donné pour objectif à long terme de construire de manière automatique et décentralisée les comportements d'agents coopératifs devant résoudre collectivement un problème. Ce travail a cherché à proposer des méthodes pour construire les comportements d'agents sociaux, capables de prendre en compte à l'exécution la présence d'autres agents dans le système.<br /><br />Les formalismes existants comme les DEC-POMDPs parviennent à représenter des problèmes multi-agents mais ne représentent pas au niveau individuel la notion d'interaction fondamentale dans les systèmes collectifs. Ceci induit une complexité algorithmique importante dans les algorithmes de résolution. Afin de donner aux agents la possibilité d'appréhender la présence d'autres agents et de structurer de manière implicite les systèmes multi-agents, cette thèse propose un formalisme original, l'interac-DEC-POMDP inspiré des DEC-POMDPs et d'Hamelin, une simulation développée au cours de cette thèse et issue d'expériences conduites en éthologie. La spécificité de ce formalisme réside dans la capacité offerte aux agents d'interagir directement et localement entre eux. Cette possibilité permet des prises de décision à un niveau intermédiaire entre des décisions globales impliquant l'ensemble des agents et des décisions purement individuelles.<br /><br />Nous avons proposé en outre un algorithme décentralisé basé sur des techniques d'apprentissage par renforcement et une répartition heuristique des gains des agents au cours des interactions. Une démarche expérimentale nous a permis de valider sa capacité à produire pour des restriction du formalisme des comportements collectifs pertinents adaptatifs sans qu'aucun agent ne dispose d'une vue globale du système.

Cette étude porte sur le renforcement du polystyrène qui a un comportement fragile à température ambiante. Le mélange avec un copolymère styrène/butadiène à gradient de composition permet d'obtenir un matériau nanostructuré plus tenace, qui conserve sa transparence. Ces copolymères de type polystyrène-b-(polybutadiène-grad-polystyrène)-b-polystyrène (noté S1-(B/S)grad-S2) sont synthétisés en deux étapes par voie anionique. L'asymétrie entre les blocs S1 et S2 et le gradient de composition ont une influence déterminante sur la structuration et les propriétés, en pur ou en mélange. Des synthèses modèles avec mesures de conversion ont permis de déterminer les rapports de réactivité de la synthèse et d'évaluer l'asymétrie et la forme du gradient composition. L'asymétrie est responsable d'un décalage du diagramme de phase vers des compositions plus riches en styrène. Par une modélisation des propriétés mécaniques aux faibles déformations, il est montré que le bloc gradient a pour effet d'élargir l'interphase et augmenter le volume de phase molle. Sous cisaillement, le mélange avec différents polystyrènes de haute masse donne des matériaux nanostructurés transparents malgré l'immiscibilité vérifiée de ces systèmes. La viscosité élevée de la matrice permet de disperser finement le copolymère. Le système est piégé dans un état hors équilibre lors du refroidissement. En traction, les mélanges présentent une augmentation nette de l'élongation à la rupture pour une fraction critique de copolymère qui dépend de l'architecture de ce dernier. Une courbe universelle est obtenue lorsque les propriétés mécaniques sont présentées

La résistance à la rupture des polymères semi-cristallins est considérablement améliorée par l'incorporation de particules (sub)microniques qui cavitent et induisent une déformation plastique étendue de la matrice plutôt que sa rupture fragile. Nous nous sommes intéressés à plusieurs aspects de ce phénomène au travers de l'étude de systèmes de polyamide renforcé. Nous montrons que des particules nanostructurées de copolymères à blocs génèrent des renforcements remarquables sans la perte en rigidité obtenue avec des particules d'élastomère. Par ailleurs, la structuration de ces copolymères semble contrôler la coalescence et la fragmentation des particules lors de la dispersion. Plus généralement, des observations microscopiques et l'application de divers traitements thermomécaniques montrent que l'organisation cristalline de la matrice est déterminante pour le renforcement. A partir de ces résultats, nous proposons un modèle s'appuyant sur les approches physiques de la fracture des milieux hétérogènes qui explique l'origine physique d'un confinement critique de la matrice nécessaire pour obtenir la ductilité. La théorie proposée prévoit comment cette grandeur dépend de l'organisation cristalline, de la taille des particules ou de la température pour les systèmes de polyamide-12 étudiés et pour plusieurs autres systèmes de la littérature.

La contribution principale de ce travail de recherche est la proposition d'un modèle flou avec des fonctions d'appartenance dynamiques à paramètres ajustables en ligne, par un algorithme basé sur l'Apprentissage par Renforcement (AR). L'approche présentée prend en compte la dynamique des variables du système en introduisant, dans les fonctions d'appartenance d'un modèle flou, la valeur moyenne et la variance des variables d'entrée et de sortie du modèle au temps t. De cette manière, les ensembles flous se déplacent sur le domaine de discours des variables, en fonction des valeurs de la moyenne et de la variance échantillonnées ;ainsi, la possibilité d'obtenir des ensembles flous disjoints peut être minimisée. La propriété dynamique du modèle flou proposé est un atout pour résoudre les problèmes de commande de systèmes variant avec le temps, par exemple. Des exemples d'identification de fonctions non-linéaires, variant avec le temps, illustrent la capacité du modèle flou adaptatif dynamique pour l'identification des systèmes. Une application à la commande prédictive a été développée, en utilisant le modèle flou proposé comme modèle de prédiction et l'AR pour résoudre le problème d'optimisation de ce type de schéma de commande. Finalement, l'utilisation de l'information contenue dans les fonctions d'appartenance dynamiques du modèle flou à des niveaux supérieurs de supervision et diagnostic, a été aussi discutée comme perspective intéressante d'application de ce type de modèles.

Cette thèse est une étude de méthodes permettant d'estimer des fonctions valeur avec des réseaux de neurones feedforward dans l'apprentissage par renforcement. Elle traite plus particulièrement de problèmes en temps et en espace continus, tels que les tâches de contrôle moteur. Dans ce travail, l'algorithme TD(lambda) continu est perfectionné pour traiter des situations avec des états et des commandes discontinus, et l'algorithme vario-eta est proposé pour effectuer la descente de gradient de manière efficace. Les contributions essentielles de cette thèse sont des succès expérimentaux qui indiquent clairement le potentiel des réseaux de neurones feedforward pour estimer des fonctions valeur en dimension élevée. Les approximateurs de fonctions linéaires sont souvent préférés dans l'apprentissage par renforcement, mais l'estimation de fonctions valeur dans les travaux précédents se limite à des systèmes mécaniques avec très peu de degrés de liberté. La méthode présentée dans cette thèse a été appliquée avec succès sur une tâche originale d'apprentissage de la natation par un robot articulé simulé, avec 4 variables de commande et 12 variables d'état indépendantes, ce qui est sensiblement plus complexe que les problèmes qui ont été résolus avec des approximateurs de fonction linéaires.

De nombreuses expériences montrent la capacité des mammifères, particulièrement étudiée chez le rat, à pouvoir utiliser plusieurs types de navigation pour rejoindre un but. Ces stratégies seraient utilisées en fonction de la disponibilité de différents types d'amers présents dans l'environnement, situés à la proximité ou loin du but (resp. amers proximaux et distaux), ainsi que d'autres facteurs, comme la motivation, l'expérience ou le stress. Les études ont notamment porté ces dernières décennies sur les systèmes de mémoires engagés dans l'utilisation de ces stratégies, l'hypothèse dominante étant que des modules apprennent en parallèle des types distincts de stratégies, reposant ou non sur la construction d'une représentation interne de l'environnement. Les unes, reposant sur l'utilisation d'amers visibles, seraient apprises de manière relativement inflexible (apprentissage procédural) et impliqueraient notamment le striatum dorso-latéral. D'autres impliqueraient la formation hippocampique et reposeraient sur la construction préalable d'une "carte cognitive" de l'environnement (apprentissage déclaratif), en intégrant de manière redondante les amers disponibles. Cette carte, apprise indépendamment de la position du but, confèrerait une flexibilité importante à ce type de stratégies puisqu'elle aurait la capacité de repositionner rapidement le but, si celui-ci venait à être déplacé. L'hypothèse d'une telle représentation spatiale (théorie dite "cognitive") et de systèmes parallèles ayant des capacités différentes d'apprentissage est supportée par des comparaisons entre animaux intacts et animaux ayant des lésions des structures nerveuses concernées, de même que des expériences impliquant des manipulations de l'environnement (e.g., déplacement d'amers). Cette hypothèse est toutefois remise en question par la nature de l'apprentissage impliqué : la construction d'une représentation spatiale et son utilisation est contraire à nombre d'observations tendant à montrer que le comportement spatial est avant tout dirigé par une compétition entre les amers disponibles, résultant du même apprentissage procédural que celui mis en oeuvre dans un conditionnement opérant (théorie dite "associative"). Des expériences démontrent en effet que certains amers peuvent être occultés ou bloqués par d'autres selon qu'ils sont appris parallèlement ou séquentiellement, et remettent ainsi en question la possibilité d'intégrer ces amers de manière redondante. Selon les tenants de cette théorie, la navigation serait donc avant tout apprise et gérée de manière unitaire, empêchant ainsi l'émergence de plusieurs stratégies apprises en parallèle. Nous adoptons ici l'hypothèse, déjà formulée par d'autres neurobiologistes, que ces deux points de vue antagonistes pourraient s'expliquer par une gestion modulaire de la navigation, permettant des apprentissages différenciés et parallèles de plusieurs stratégies, et dont le mécanisme de sélection pourrait favoriser soit les compétitions entre amers, soit la nécessité de leur intégration. Cette thèse vise à concevoir un modèle computationnel de sélection de stratégies de navigation qui concilie les deux théories ou, a minima, y apporte des éléments de débats. La conception du modèle computationnel proposé dans ce travail et sous-tendu par cette hypothèse a nécessité de fait la mise en place d'une règle de sélection ne dépendant pas de la nature de l'apprentissage des stratégies et pouvant privilégier soit certains amers, soit l'utilisation d'une représentation spatiale construite avec plusieurs amers. Ce modèle sélectionne en ligne des stratégies apprises par des algorithmes d'apprentissage procéduraux (apprentissage par renforcement) et déclaratifs (recherche de graphe). Ces acquisitions s'effectuent en parallèle et peuvent favoriser une coopération entre les stratégies, car chacune peut apprendre des comportements de l'autre. Le module de sélection de ces stratégies peut inciter des interactions compétitives, car il effectue ses choix sur la base d'un apprentissage de type associatif. L'existence d'un tel module de sélection, indépendant des systèmes d'apprentissage des stratégies, est corroboré par certains travaux récents démontrant l'implication de structures du cortex préfrontal et des ganglions de la base dans cette fonction. Le dispositif expérimental utilisé est la piscine de Morris, dans laquelle le comportement spatial de rats a été étudié de façon approfondie depuis une trentaine d'années. Nous avons limité nos analyses, d'une part, aux interactions entre stratégies de guidage (utilisant directement des indices visuels) et stratégies de lieu (utilisant une représentation spatiale construite à partir de cellules de lieu simulées par un modèle d'hippocampe intégré au modèle) et, d'autre part, à la recherche d'un seul but, dépendant d'un seul système motivationnel. Après avoir démontré le comportement du modèle dans des situations où seuls certains types d'amers (proximaux ou distaux) sont présents, nous avons reproduit diverses expériences dans lesquelles l'influence de l'interaction de ces types d'amers a donné lieu à des interprétations issues de l'une ou de l'autre des deux théories antagonistes. Nous y apportons un corpus d'explications, conciliant à la fois les données neurobiologiques et comportementales, ainsi que des prédictions comportementales qui permettront aux neurobiologistes d'estimer l'utilité de ce modèle. Nous avançons notamment que l'utilisation d'une stratégie fondée sur une carte cognitive (intégration d'amers) ne peut pas être écartée, car elle se révèle indispensable pour expliquer certains effets de blocage ou d'occultation caractéristiques de la théorie associative. Nous suggérons aussi que l'existence de deux stratégies de guidage, l'une ayant un cadre de référence égocentré (apprenant les trajets conduisant au but en fonction de l'orientation du corps), l'autre un cadre de référence allocentré (apprenant une direction générale conduisant au but en fonction d'un repère absolu) doit nécessairement être prise en compte pour générer certaines interactions compétitives ou coopératives observées entre systèmes de navigation. Nous montrons aussi qu'une intégration d'amers n'est pas forcément utilisée par les animaux car une stratégie de guidage allocentrée, même fondée sur une compétition d'amers, peut être suffisante dans certains contextes pour expliquer leur comportement. En résumé, ce modèle de navigation, associant des systèmes parallèles d'apprentissage procéduraux et déclaratifs et sélectionnés par un mécanisme procédural, est en mesure de proposer une architecture computationnelle qui pourrait concilier les hypothèses issues des théories associative et cognitive du comportement spatial. Ce travail a également une retombée dans le domaine de la robotique, proposant par cette architecture une augmentation de l'autonomie dans la navigation d'un système artificiel, pouvant sélectionner en ligne les stratégies les plus efficaces pour atteindre ses ressources.

Cette recherche présente des résultats théoriques et expérimentaux sur le renforcement de poutres en lamellé collé par composite à base de fibres, l'application recherchée étant la proposition de structures de tabliers de ponts de haute résistance. Le concept retenu est une structure multi renforcée par la disposition de lamelles de composites entre les lamelles en bois dans la zone de traction. On montre que ce type de renfort possède expérimentalement, à taux de renfort donnée, des propriétés plus élevées que celles obtenues par des méthodes courantes consistant au renforcement en face inférieure d'une seule couche de composite. On montre en particulier que la distribution statistique de la rupture en traction du bois est resserrée grâce à la présence du composite. Ainsi, un renfort de faible épaisseur, réparti convenablement entre les lamelles de bois, a un double effet, celui attendu de diminuer les contraintes dans les fibres de bois, mais aussi, celui de réduire la distribution statistique de résistance. La prise en compte des renforts dans les calculs revient donc à redéfinir une résistance caractéristique d'un bois homogène équivalent ayant les propriétés du bois renforcé. De plus, on montre qu'il existe des configurations telles que les fissures transverses dans les lamelles de bois engendrées par la contrainte normale de traction sont stoppées par les lamelles de renfort et qu'il est possible d'obtenir un schéma de rupture multi fissuré. Un critère de rupture par délaminage de l'interface bois-composite est proposé et déterminé expérimentalement à cette fin. Enfin, des expérimentations sur prototypes hybrides constituées d'un multi couches bois-carbone-béton ultraperformant, est présentée. Les résultats ont permis de valider la méthode proposée de répartition du renfort en couches réparties de faible épaisseur.

Une étude expérimentale du comportement de poutres courtes en béton armé pré-fissurées puis renforcées par matériaux composites à base de fibres de carbone sous chargement quasi statique et de fatigue, a été menée par le biais d'essais de flexion 3 points. Les essais de fatigue sont d'abord effectués sous chargement répété à l'état limite de service. Les poutres en béton armé non renforcées se rompent en fatigue. La rupture en fatigue des poutres renforcées n'est jamais atteinte pour deux millions de cycles. Le collage du composite en face tendue améliore considérablement la tenue à la fatigue des éléments pré-fissurés. La rupture en fatigue des poutres courtes pré-fissurées et renforcées, pour des amplitudes et efforts maximaux élevés, est due à la ruine en fatigue des armatures tendues au droits des fissures lorsque l'amplitude de contrainte dans les armatures atteint au moins 200 MPa. Le comportement ultime de nos poutres est étudié par le biais d'essais statiques. La rupture est due à l'effort tranchant suivant deux modes: le décollement du composite latéral, ou les fissurations d'effort tranchant. Des essais statiques sont également effectués sur les poutres renforcées ayant subi deux millions de cycles de fatigue (à l'état de service) afin d'étudier leur résistance statique résiduelle. Une autre étude concerne l'influence du vieillissement des matériaux sur le comportement en fatigue des poutres renforcées, étudiée par les essais de fatigue réalisés sur deux poutres préfissurées (une renforcée par composite, l'autre sans renforcement) stockées dans une salle climatisée à 100% de l'humidité relative et à 38oC de température pendant 4,5 mois avant être testées. On ne note pas d'effet détectable de ce vieillissement sur le comportement en fatigue des poutres: la prise en eau potentielle de la résine n'a pas de conséquence structurale. Une étude numérique (éléments finis) est effectuée pour modéliser le comportement de nos poutres courtes pré-fissurées et renforcées par composite. La validation des méthodes de calcul de type réglementaire est également effectuée. Une amélioration des méthodes existantes de calcul à l'effort tranchant est proposée.

Cette thèse s'est intéressée à deux domaines de l'intelligence artificielle : d'une part l'apprentissage par renforcement (A/R), et d'autre part les systèmes multi-agents (SMA). Le premier permet de concevoir des agents (entités intelligentes) en se basant sur un signal de renforcement qui récompense les décisions menant au but fixé, alors que le second concerne l'intelligence qui peut venir de l'interaction d'un groupe d'entités (dans la perspective que le tout soit plus que la somme de ses parties). Chacun de ces deux outils souffre de diverses difficultés d'emploi. Le travail que nous avons mené a permis de montrer comment chacun des deux outils peut servir à l'autre pour répondre à certains de ces problèmes. On a ainsi conçu les agents d'un SMA par A/R, et organisé l'architecture d'un agent apprenant par renforcement sous la forme d'un SMA. Ces deux outils se sont avérés très complémentaires, et notre approche globale d'une conception “progressive” a prouvé son efficacité.