Nous pouvons trouver des propriétés structurelles similaires dans presque tous les réseaux trophiques (ensemble d’interactions de prédation). L'existence de ces invariants suggère qu’il serait possible, pour chaque réseau trophique, de déterminer des paramètres généraux qui décrivent sa structure. Il serait également possible de faire le cheminement inverse, soit à partir de paramètres généraux, d’obtenir une structure de réseau qui respecte ces invariants. C’est ainsi que fonctionnent les modèles génératifs, qui prédisent une structure à partir de paramètres généraux. Cependant, les modèles génératifs peuvent générer des structures de réseau qui diffèrent des données empiriques, parce qu'ils intègrent différentes hypothèses sur les mécanismes qui façonnent les réseaux trophiques, et donc sur les paramètres généraux qui doivent être utilisés. Dans ce mémoire, j’étudie l'effet de la pondération de la stabilité à l'aide du paramètre sigma (écart-type maximum des forces d’interactions qu’il ne faut pas dépasser si l’on veut que le réseau d’espèces reste stable) sur la distribution des propriétés de réseau obtenues par différents modèles génératifs. En effet, en donnant une plus grande importance aux réseaux dont la structure est a priori stable (potentiellement plus proche de celles retrouvées dans la nature) on pourrait corriger les prédictions des modèles en rapprochant leurs résultats des données empiriques. Le principe de correction fait ici référence à l’utilisation des probabilités par les modèles génératifs : la correction est la modification de ces probabilités en faveur des réseaux stables afin qu’ils soient sur-représentés dans les données générées. Notre hypothèse est donc que la pondération de la stabilité pourrait améliorer les prédictions des modèles génératifs. Les modèles génératifs étudiés ici sont les modèles de cascade, de niche et de hiérarchie emboîtée. Notre principale conclusion est que, de manière contre-intuitive, la pondération de la stabilité n’améliore pas la différence entre les structures de réseaux empiriques et celles des réseaux générés par les mo-dèles. Nos résultats montrent que pour les réseaux étudiés, la plus grande différence entre les réseaux trophiques modélisés par les modèles génératifs et les réseaux empiriques est la nature du modèle et non la correction par la pondération de la stabilité. Cela suggère que ces modèles prédisent la structure à partir d’un nombre de paramètres insuffisants, où de paramètres ne représentant qu’une fraction de la structure du réseau. Le modèle de niche présente la prédiction la plus proche des données empiriques, mais seulement pour les réseaux comptant jusqu'à 20 espèces. Cette étude souligne donc le long chemin qu'il nous reste à parcourir avant de pouvoir représenter les réseaux trophiques de façon réaliste à partir de modèles génératifs simples. / We can find similar structural properties in almost every food web. The existence of these invariants suggests that it could be possible for each food web to determine general parameters. The reverse case also works, i.e. from general parameters, to obtain a network structure. This is how generative models work, they predict a structure from general parameters. However, the network structures obtained from generative models differ from empirical data, because they incorporate different assumptions about the mechanisms that shape food webs and thus the gen-eral parameters used. In this study, I’ll investigate the effect of weighting stability using the sigma parameter (maximum standard deviation of interaction forces that should not be exceeded if the species network is to remain stable). I’m studying its effect on the distribution of network prop-erties obtained by different generative models. Indeed, by giving greater importance to networks whose structure is stable, one could correct the predictions of the models by bringing their results closer to the empirical data. The correction is the modification of these probabilities in favor of stable networks so that they are more easily chosen by the model. Our hypothesis is therefore that weighting stability could improve the predictions of the cascade, niche and nested hierarchy models. Our main conclusion is that stability weighting does not improve the difference between empirical and model-generated network structures. Our results show that for the networks stud-ied, the biggest difference between food webs modeled by generative models and empirical net-works is the nature of the model and not the correction by stability weighting. This suggests that these models predict structure from an insufficient number of parameters or from parameters that represent only a fraction of the network structure. The niche model shows the closest pre-diction to the empirical data, but only for networks with up to 20 species. This study highlights the long way to go before we can realistically represent food webs using generative models.

Dans un contexte d’Industrie 4.0, on perçoit de nouveaux usages possibles des manipulateurs mobiles (MMs), des robots généralement obtenus par l’association d’un bras manipulateur et d’une plate-forme mobile. Ce travail de thèse se focalise sur la synthèse et la commande de nouveaux MMs coopératifs en définissant trois défis à relever. Le premier défi concerne l’élargissement des domaines d’utilisation des robots par la possibilité de leur utilisation coopérative. Nous définissons ainsi un système robotique modulaire basé sur l’utilisation d’entités robotiques appelés mono-robots (m-bots). Ceux-ci sont des MMs qui peuvent se réarranger sous forme de poly-robot (p-bot) pour réaliser une tâche en collaboration. Le deuxième défi se focalise sur la définition de l’architecture cinématique élémentaire de ces robots. Ainsi, nous proposons une démarche générique de synthèse structurale qui permet l’obtention de plusieurs architectures de m-bots respectant les cahiers des charges relatifs à la tâche en tant que m-bot, mais aussi en tant que p-bot pour un environnement considéré. Cette démarche est basée sur l’analyse structurale des MMs à l’aide des paramètres structuraux des mécanismes (connectivité, mobilité, redondance et hyperstatisme). Le troisième défi proposé est d’arriver à modéliser et contrôler les architectures de MMs synthétisées pour la tâche. Deux lois de commande (PID et hybride force-position) sont proposées pour la réalisation de la tâche considérée. Leur validation a été réalisée grâce à des simulations avancées. / In recent years, the concept of Industry 4.0 has led to new possibilities of use for mobile manipulators (MMs) that are generally made of a manipulator arm mounted on a mobile base. The current Ph.D. is focused on the synthesis and control of new cooperative MMs by defining three challenges. The first challenge concerns the widening of the fields of application of robots. Therefore, we define a modular robotic system based on the use of multiple MMs (mono robots or m-bots) that can be used as a global system (poly-robot or p-bot) for collaborative tasks. The second challenge concerns the definition of the kinematic structure of the MMs. We propose a new generic method of structural synthesis that allows to obtain multiple kinematic architectures for m-bots that respect the constraints imposed by the task and the workspace. This method is based on structural analysis of MMs by the evaluation of the structural parameters (connectivity, mobility, redundancy and overconstraint). The last challenge concerns the modelling and control of the new architectures for the new fields of application. Two control laws (PID control and hybrid force-position control) are proposed in order to realise the considered task. Their validation is done with advanced simulations.