En Juillet 2012, les expériences ATLAS et CMS annoncent la découverte d'une nouvelle particule de masse 125 GeV, compatible avec le boson de Higgs prédit par le Modèle Standard. Pour établir la nature de ce boson de Higgs et la comparer au Modèle Standard, il est nécessaire de mesurer le complage du boson de Higgs au fermions. En particulier le quark top possède le plus fort couplage de Yukawa avec le boson de Higgs. Ce couplage est accessible par le processus de production d'un boson de Higgs en association avec une paire de quarks tops (ttH). Cette thèse présente la recherche d'évènement ttH où le boson de Higgs se désintègre en deux quark b dans les données du Run 2 recueillies en 2015 et 2016 par le détecteur ATLAS. La composition du bruit de fond ainsi que la mesure du signal ttH dans les données sont obtenues à partir d'un ajustemement statistique des prédictions aux données. Le bruit de fond tt+jets étant la plus grande source d'incertitudes sur le signal, une attention particulière est portée à sa description.La détection des jets issus de quarks b, appelé b-tagging, est primordiale pour l'analyse ttH(H->bb) dont l'état final contient quatre quarks b. Afin d'améliorer la compréhension des performances des algorithmes de b-tagging pour le Run 2, la définition des jets de saveur b dans les simulations Monte Carlo est revisitée. Les algorithmes standards du b-tagging ne permettant pas la différenciation des jets contenant un ou deux quarks b, une methode spécifique à été développée et est présentée dans cette thèse. / In July 2012, the ATLAS and CMS experiments announced the discovery of a new particle, with a mass about 125 GeV, compatible with the Standard Model Higgs boson. In order to assess if the observed particle is the one predicted by the Standard Model, the couplings if this Higgs boson to fermions have to be measured. In particular, the top quark has the strongest Yukawa coupling to the Higgs boson. The associated production of a Higgs boson with a pair of top quarks (ttH) gives a direct access to this coupling. The ttH process is accessible for the first time in the Run 2 of the LHC thanks to an upgrade of the detector and the increase of the center of mass energy to 13 TeV. This thesis presents the search for ttH events with the Higgs boson decaying to a pair of b-quarks using data collected by the ATLAS detector in 2015 and 2016. The description of the background and the extraction of the ttH signal in data are obtained by a statistical matching on predictions to data. In particular the tt+jets background is the main limitation to signal sensitivity and is scrutinized.The identification of jets originating from b-quarks, called b-tagging, is a vital input to the search of ttH(H->bb) events because of the four b-quarks in the final state. For Run 2 the definition of b-flavoured-jets in Monte Carlo simulations is revisited to improve the understanding of b-tagging algorithms and their performance. Standard b-tagging algorithms do not separate jets originating from a single b-quark from those originating from two b-quarks. Thus a specific method has been developed and is reviewed in this thesis.

The variation of the strong genitive marker of the singular noun has been treated by diverse accounts. Still there is a consensus that it is to a large extent systematic but can be approached appropriately only if many heterogeneous factors are taken into account. Over thirty variables influencing this variation have been proposed. However, it is actually unclear how effective they can be, and above all, how they interact. In this paper, the potential influencing variables are evaluated statistically in a machine learning approach and modelled in decision trees in order to predict the genitive marking variants. Working with decision trees based exclusively on statistically significant data enables us to determine what combination of factors is decisive in the choice of a marking variant of a given noun. Consequently the variation factors can be assessed with respect to their explanatory power for corpus data and put in a hierarchized order.