Cette thèse vise à contribuer à la compréhension des cycle de vie d’une opération humanitaire (HOLC). Gestion de la chaîne d'approvisionnement humanitaire (HSCM) dans un contexte de mise en perspective et dans l’objectif de proposer un modèle décisionnel qui s'applique aux phases de HOLC lors d’une situation réelle. Cela inclut la mise en oeuvre du modèle proposé pour concevoir et développer un outil d'aide à la décision afin d'améliorer les performances de la logistique humanitaire tant dans les opérations de secours nationaux qu’internationaux.Cette recherche est divisée en trois phases. La première partie vise à présenter le sens de l'étude ; la zone de recherche prise en compte pour la gestion de la chaîne d'approvisionnement (SCM) doit être clairement définie. La première phase consiste à clarifier et définir le HSCM HL, la gestion de la chaîne d'approvisionnement commerciale (CSCM) et le SCM, ainsi que la relation entre ces différents éléments. La gestion du cycle de vie du projet (PLCM) et les différentes approches sont également présentés. La compréhension de la différence entre la gestion du cycle de vie du projet (PLM) et la PLCM est également nécessaire, cela ne peut être abordé dans la phase de cycle de vie de l'opération humanitaire. De plus, les modèles Multiple-Criteria Decision Making (MCDM) et l’aide à la décision concernant le HL sont analysés pour établir le fossé existant en matière de recherche. Les approches MCDM qui mettent en oeuvre le système d'aide à la décision (DSS) et la manière dont le MAS a été utilisé dans le contexte HSCM sont étudiées.La deuxième phase consiste en la proposition d’un modèle décisionnel fondé sur l’approche MCDM à l'appui de la décision du décideur avant qu'il/elle prenne des mesures. Ce modèle prévoit le classement des alternatives concernant l'entrepôt, le fournisseur et le transport au cours des phases de HOLC. Le modèle décisionnel proposé est réalisée en 3 scénarios. I. La décision en 4phases HOLC – opération de secours internationale de la Croix-Rouge Française (CRF). II. La décision en3phases HOLC – opération nationale dela Croix-Rouge thaïlandaise (TRC). III. La décision au niveau de la phase de réponse HOLC – opération internationale du TRC dans quatre pays. Dans cette phase, le scénario I et II sont réalisés étape par étape au travers de calculs numériques et formules mathématiques. Le scénario III sera présenté dans la troisième phase. Pour établir trois scénarios, les données internes recueillies lors des entretiens avec le chef de la logistique de la Croix-Rouge Française, et le vice-président de la fondation de la Coix-Rouge thaïlandaise, seront utilisées. Les données externes proviennent de chercheurs qui sont des experts dans le domaine HL ou le champ du HSCM, de la littérature, et de sources issues des organismes humanitaires (documents d’ateliers, rapports, informations publiées sur leurs sites officiels).Dans la troisième phase, une application Internet multi-critères (decision support system MCDSS WB) mettant en oeuvre le modèle proposé est élaborée. Afin d'atteindre une décision appropriée en temps réel, le WB-MCDSS est développé sur la base d’un protocole client-serveur et est simple à utiliser. Le dernier mais non le moindre ; une application de validation du modèle est réalisée à l'aide de l'approche de l'analyse de sensibilité. / This thesis aims to contribute to the understanding of HOLC in context of the HSCM and to propose a decision model which applies to the phases of HOLC the decision making regarding a real situation . This include the implementation of the proposed model to design and develop a decision support tool in order to improve the performance of humanitarian logistics in both national and international relief operations.This research is divided into three phases; the first phase is to clarify and define HL among HSCM, commercial supply chain management (CSCM) and SCM and their relationship. Project Life Cycle Management (PLCM) approaches are also presented. The difference between project life cycle management (PLM) and PLCM is also required to distinguish a clear understanding which can be addressed in the phase of humanitarian operation life cycle. Additionally, the literature of Multiple-Criteria Decision Making (MCDM) models and existing decision aid system for HL are analyzed to establish the research gap. The MCDM approaches which implement the decision support system (DSS) and lastly how DSS has been used in the HSCM context.The second phase is to propose a decision model based on MCDM approaches to support the decision of the decision maker before he/she takes action. This model provides the ranking alternatives to warehouse, supplier and transportation over the phases of HOLC. The proposed decision model is conducted in 3 scenarios; I. The decision in 4-phase HOLC, international relief operation of French Red Cross (FRC). II. The decision on 3-phase HOLC, national operation by the Thai Red Cross (TRC). III. The decision on response phase HOLC, international operation by the FRC in four countries. In this phase, the scenario I and II are performed step by step though numerical calculation and mathematical formulas. The scenario III will be presented in the third phase.In the third phase, an application of web-based multi-criteria decision support system (WB-MCDSS) which implement the proposed model is developed. The web-based multi-criteria decision support system is developed based on the integration of analytical hierarchy process (AHP) and TOPSIS approaches. In order to achieve an appropriate decision in a real time response, the WB-MCDSS is developed based on server-client protocol and is simple to operate. Last but not least, a validation application of the model is performed using the sensitivity analysis approach.

Environ 150.000 personnes souffrent en France d'une épilepsie partielle réfractaire à tous les médicaments. La chirurgie, qui constitue aujourd’hui le meilleur recours thérapeutique nécessite un bilan préopératoire complexe. L'analyse de données d'imagerie telles que l’imagerie par résonance magnétique (IRM) anatomique et la tomographie d’émission de positons (TEP) au FDG (fluorodéoxyglucose) tend à prendre une place croissante dans ce protocole, et pourrait à terme limiter de recourir à l’électroencéphalographie intracérébrale (SEEG), procédure très invasive mais qui constitue encore la technique de référence. Pour assister les cliniciens dans leur tâche diagnostique, nous avons développé un système d'aide au diagnostic (CAD) reposant sur l'analyse multivariée de données d'imagerie. Compte tenu de la difficulté relative à la constitution de bases de données annotées et équilibrées entre classes, notre première contribution a été de placer l'étude dans le cadre méthodologique de la détection du changement. L'algorithme du séparateur à vaste marge adapté à ce cadre là (OC-SVM) a été utilisé pour apprendre, à partir de cartes multi-paramétriques extraites d'IRM T1 de sujets normaux, un modèle prédictif caractérisant la normalité à l'échelle du voxel. Le modèle permet ensuite de faire ressortir, dans les images de patients, les zones cérébrales suspectes s'écartant de cette normalité. Les performances du système ont été évaluées sur des lésions simulées ainsi que sur une base de données de patients. Trois extensions ont ensuite été proposées. D'abord un nouveau schéma de détection plus robuste à la présence de bruit d'étiquetage dans la base de données d'apprentissage. Ensuite, une stratégie de fusion optimale permettant la combinaison de plusieurs classifieurs OC-SVM associés chacun à une séquence IRM. Enfin, une généralisation de l'algorithme de détection d'anomalies permettant la conversion de la sortie du CAD en probabilité, offrant ainsi une meilleure interprétation de la sortie du système et son intégration dans le bilan pré-opératoire global. / One third of patients suffering from epilepsy are resistant to medication. For these patients, surgical removal of the epileptogenic zone offers the possibility of a cure. Surgery success relies heavily on the accurate localization of the epileptogenic zone. The analysis of neuroimaging data such as magnetic resonance imaging (MRI) and positron emission tomography (PET) is increasingly used in the pre-surgical work-up of patients and may offer an alternative to the invasive reference of Stereo-electro-encephalo -graphy (SEEG) monitoring. To assist clinicians in screening these lesions, we developed a computer aided diagnosis system (CAD) based on a multivariate data analysis approach. Our first contribution was to formulate the problem of epileptogenic lesion detection as an outlier detection problem. The main motivation for this formulation was to avoid the dependence on labelled data and the class imbalance inherent to this detection task. The proposed system builds upon the one class support vector machines (OC-SVM) classifier. OC-SVM was trained using features extracted from MRI scans of healthy control subjects, allowing a voxelwise assessment of the deviation of a test subject pattern from the learned patterns. System performance was evaluated using realistic simulations of challenging detection tasks as well as clinical data of patients with intractable epilepsy. The outlier detection framework was further extended to take into account the specificities of neuroimaging data and the detection task at hand. We first proposed a reformulation of the support vector data description (SVDD) method to deal with the presence of uncertain observations in the training data. Second, to handle the multi-parametric nature of neuroimaging data, we proposed an optimal fusion approach for combining multiple base one-class classifiers. Finally, to help with score interpretation, threshold selection and score combination, we proposed to transform the score outputs of the outlier detection algorithm into well calibrated probabilities.

Les systèmes de vision artificielle sont de plus en plus présents en contexte routier. Ils sont installés sur l'infrastructure, pour la gestion du trafic, ou placés à l'intérieur du véhicule, pour proposer des aides à la conduite. Dans les deux cas, les systèmes de vision artificielle visent à augmenter la sécurité et à optimiser les déplacements. Une revue bibliographique retrace les origines et le développement des algorithmes de vision artificielle en contexte routier. Elle permet de démontrer l'importance des descripteurs d'images dans la chaîne de traitement des algorithmes. Elle se poursuit par une revue des descripteurs d'images avec une nouvelle approche source de nombreuses analyses, en les considérant en parallèle des applications finales. En conclusion, la revue bibliographique permet de déterminer quels sont les descripteurs d'images les plus représentatifs en contexte routier. Plusieurs bases de données contenant des images et les données météorologiques associées (ex : pluie, brouillard) sont ensuite présentées. Ces bases de données sont innovantes car l'acquisition des images et la mesure des conditions météorologiques sont effectuées en même temps et au même endroit. De plus, des capteurs météorologiques calibrés sont utilisés. Chaque base de données contient différentes scènes (ex: cible noir et blanc, piéton) et divers types de conditions météorologiques (ex: pluie, brouillard, jour, nuit). Les bases de données contiennent des conditions météorologiques naturelles, reproduites artificiellement et simulées numériquement. Sept descripteurs d'images parmi les plus représentatifs du contexte routier ont ensuite été sélectionnés et leur robustesse en conditions de pluie évaluée. Les descripteurs d'images basés sur l'intensité des pixels ou les contours verticaux sont sensibles à la pluie. A l'inverse, le descripteur de Harris et les descripteurs qui combinent différentes orientations sont robustes pour des intensités de pluie de 0 à 30 mm/h. La robustesse des descripteurs d'images en conditions de pluie diminue lorsque l'intensité de pluie augmente. Finalement, les descripteurs les plus sensibles à la pluie peuvent potentiellement être utilisés pour des applications de détection de la pluie par caméra.Le comportement d'un descripteur d'images en conditions météorologiques dégradées n'est pas forcément relié à celui de la fonction finale associée. Pour cela, deux détecteurs de piéton ont été évalués en conditions météorologiques dégradées (pluie, brouillard, jour, nuit). La nuit et le brouillard sont les conditions qui ont l'impact le plus important sur la détection des piétons. La méthodologie développée et la base de données associée peuvent être utilisées à nouveau pour évaluer d'autres fonctions finales (ex: détection de véhicule, détection de signalisation verticale).En contexte routier, connaitre les conditions météorologiques locales en temps réel est essentiel pour répondre aux deux enjeux que sont l'amélioration de la sécurité et l'optimisation des déplacements. Actuellement, le seul moyen de mesurer ces conditions le long des réseaux est l'installation de stations météorologiques. Ces stations sont coûteuses et nécessitent une maintenance particulière. Cependant, de nombreuses caméras sont déjà présentes sur le bord des routes. Une nouvelle méthode de détection des conditions météorologiques utilisant les caméras de surveillance du trafic est donc proposée. Cette méthode utilise des descripteurs d'images et un réseau de neurones. Elle répond à un ensemble de contraintes clairement établies afin de pouvoir détecter l'ensemble des conditions météorologiques en temps réel, mais aussi de pourvoir proposer plusieurs niveaux d'intensité. La méthode proposée permet de détecter les conditions normales de jour, de nuit, la pluie et le brouillard. Après plusieurs phases d'optimisation, la méthode proposée obtient de meilleurs résultats que ceux obtenus dans la littérature, pour des algorithmes comparables. / Computer vision systems are increasingly being used on roads. They can be installed along infrastructure for traffic monitoring purposes. When mounted in vehicles, they perform driver assistance functions. In both cases, computer vision systems enhance road safety and streamline travel.A literature review starts by retracing the introduction and rollout of computer vision algorithms in road environments, and goes on to demonstrate the importance of image descriptors in the processing chains implemented in such algorithms. It continues with a review of image descriptors from a novel approach, considering them in parallel with final applications, which opens up numerous analytical angles. Finally the literature review makes it possible to assess which descriptors are the most representative in road environments.Several databases containing images and associated meteorological data (e.g. rain, fog) are then presented. These databases are completely original because image acquisition and weather condition measurement are at the same location and the same time. Moreover, calibrated meteorological sensors are used. Each database contains different scenes (e.g. black and white target, pedestrian) and different kind of weather (i.e. rain, fog, daytime, night-time). Databases contain digitally simulated, artificial and natural weather conditions.Seven of the most representative image descriptors in road context are then selected and their robustness in rainy conditions is evaluated. Image descriptors based on pixel intensity and those that use vertical edges are sensitive to rainy conditions. Conversely, the Harris feature and features that combine different edge orientations remain robust for rainfall rates ranging in 0 – 30 mm/h. The robustness of image features in rainy conditions decreases as the rainfall rate increases. Finally, the image descriptors most sensitive to rain have potential for use in a camera-based rain classification application.The image descriptor behaviour in adverse weather conditions is not necessarily related to the associated final function one. Thus, two pedestrian detectors were assessed in degraded weather conditions (rain, fog, daytime, night-time). Night-time and fog are the conditions that have the greatest impact on pedestrian detection. The methodology developed and associated database could be reused to assess others final functions (e.g. vehicle detection, traffic sign detection).In road environments, real-time knowledge of local weather conditions is an essential prerequisite for addressing the twin challenges of enhancing road safety and streamlining travel. Currently, the only mean of quantifying weather conditions along a road network requires the installation of meteorological stations. Such stations are costly and must be maintained; however, large numbers of cameras are already installed on the roadside. A new method that uses road traffic cameras to detect weather conditions has therefore been proposed. This method uses a combination of a neural network and image descriptors applied to image patches. It addresses a clearly defined set of constraints relating to the ability to operate in real-time and to classify the full spectrum of meteorological conditions and grades them according to their intensity. The method differentiates between normal daytime, rain, fog and normal night-time weather conditions. After several optimisation steps, the proposed method obtains better results than the ones reported in the literature for comparable algorithms.