Les peptides de la famille du LAH4 sont des peptides cationiques capables de se replier en hélice α amphiphile. Ces peptides sont riches en histidines ce qui permet de moduler les interactions de ces peptides de manière pH dépendante et dans une gamme physiologique. Leurs capacités à interagir et perturber les membranes ont été utilisées pour divers applications biologique, et notamment pour l'amélioration de systèmes de transport de gènes.Le travail de cette thèse a été divisé en trois parties dans le but de caractériser de manière biophysique les différentes interactions ayant lieu lors de la livraison du système de transport de gènes à l’intérieur d’une cellule. L’interaction peptide-peptide : avec l’étude de l’agrégation en fibrilles de la VF1 ; l’interaction peptide-membrane : avec l’effet du LAH4L1 en présence de membranes ; et l’interaction peptide-ADN : avec le suivit de l’interaction entre le LAH4L1 et de l'ADN. / The LAH4 family consists of cationic amphiphilic peptides with propensity to fold in α-helical secondary structures. They contain histidines allowing the modulation of their interactions in a pH dependent manner in the physiological range. In membranes, at neutral or acidic pH the peptide assumes a transmembrane or an in planar configuration, respectively.In the field of gene delivery systems, peptides like LAH4 are used. They are able to firstly interact with different cargoes in order to form stable complexes, then interact with the cell membrane, and finally, promote to escape from the endosome.This PhD has been divided into three parts in order to characterize, with biophysical methods, the interactions occurring during the delivery of these gene systems: peptide-peptide interactions with a focus on the study of VF1 fibre formation; peptide-membrane interactions: with the investigation of the effect of LAH4L1 in different membranes; and peptide-DNA interactions, where the interactions of LAH4L1 with a small DNA fragment were measured.

Le monde industriel, et en particulier l’industrie automobile, cherche à représenter au mieux le réel pour concevoir des outils et produits les plus adaptés aux enjeux et marchés actuels. Dans cette optique, le groupe Volvo a développé de puissants outils pour la simulation de la dynamique des véhicules industriels. Ces outils permettent notamment l’optimisation de composants véhicules ou de stratégies de contrôle. De nombreuses activités de recherche portent sur des technologies innovantes permettant de réduire la consommation des véhicules industriels et d’accroitre la sécurité de leurs usages dans différents environnements. En particulier, le développement des systèmes d’aide à la conduite automobile ITS et ADAS. Afin de pouvoir développer ces systèmes, un environnement de simulation permettant de prendre en compte les différents facteurs pouvant influencer la conduite d’un véhicule doit être mis en place. L’étude se concentre sur la simulation de l’environnement du véhicule et des interactions entre le véhicule et son environnement direct, i.e. le véhicule qui le précède. Les interactions entre le véhicule étudié et le véhicule qui le précède sont modélisées à l’aide de modèles mathématiques, nommés lois de poursuites. De nombreux modèles existent dans la littérature mais peu concernent le comportement des véhicules industriels. Une étude détaillée de ces modèles et des méthodes de calage est réalisée. L’environnement du véhicule peut être représenté par deux catégories de paramètres : statiques (intersections, nombre de voies…) et dynamiques (état du réseau). A partir d’une base de données de trajets usuels, ces paramètres sont calculés, puis utilisés pour générer de manière automatisée des scénarios de simulation réalistes. / The industrial world, and in particular the automotive industry, is seeking to best represent the real world in order to design tools and products that are best adapted to current challenges and markets, by reducing development times and prototyping costs. With this in mind, the Volvo Group has developed powerful tools to simulate the dynamics of industrial vehicles. These tools allow the optimization of vehicle components or control strategies. Many research activities focus on innovative technologies to reduce the consumption of industrial vehicles and increase the safety of their use in different environments. Particularly, the development of ITS and ADAS is booming. In order to be able to develop these systems, a simulation environment must be set up to take into account the various factors that can influence the driving of a vehicle. The work focuses on simulating the vehicle environment and the interactions between the vehicle and its direct environment, i.e. the vehicle in front of it. The interactions between the vehicle under study and the vehicle in front of it are modelled using mathematical models, called car-following models. Many models exist in the literature, but few of them deals specifically with heavy duty vehicles. A specific focus on these models and their calibration is realized. The vehicle environment can be represented by two categories of parameters: static (intersections, number of lanes) and dynamic parameters (state of the network). From a database of usuals roads, these parameters are computed, then, they are used to automatically generate realist traffic simulation scenarios.

Cette thèse analyse les tendances mondiales dans le financement de grands projets d'infrastructure dans le secteur des transports, en identifiant les caractéristiques distinctives du financement dans les pays développés et en développement. Un nouveau mécanisme de financement est proposé dans le contexte de contraintes budgétaires strictes grâce à l'utilisation d'un certain nombre d'effets économiques indirects découlant de l'amélioration de l'accessibilité des différents territoires en matière de transport. Comme le sujet de l'analyse, il y avait un projet de la construction d'un chemin de fer à grande vitesse en Russie Moscou-Kazan. / This paper analyzes global trends in financing large infrastructure projects in the transport sector, identifying the distinctive features of financing in developed and developing countries. A new financing mechanism is proposed in the context of strict budgetary constraints through the use of a number of indirect economic effects arising from improved transport accessibility of individual territories. As the subject of the analysis, there was a project of the construction of a high-speed railway in Russia Moscow-Kazan.

Cette thèse présente des applications véhiculaires à différentes échelles : de la petite qui permet d'effectuer des tests réels de communication et de service ; à des plus grandes incluant plus de contraintes mais permettant des simulations sur l'ensemble du réseau. Dans ce contexte nous soulignons l'importance d'avoir et de traiter des données réelles afin de pouvoir interpréter correctement les résultats. A travers ces échelles nous proposons différents services utilisant la communication V2V et V2I. Nous ne prétendons pas prendre le contrôle du véhicule, notre but est de montrer le potentiel de la communication à travers différents services. La petite échelle se focalise sur un service à un feu de circulation permettant d'améliorer les temps de parcours et d'attente, et la consommation en CO2 et en carburant. La moyenne échelle se situant sur un rond-point, permet grâce à un algorithme décentralisé, d'améliorer ces mêmes paramètres, mais montre également qu'avec une prise de décision simple et décentralisée, le système est robuste face à la perte de paquet, à la densité, aux comportements humains ou encore aux taux d'équipement. Enfin à l'échelle d'une ville, nous montrons que grâce à des décisions prises de manière locale et décentralisée, avec seulement un accès à une information partielle dans le réseau, nous obtenons des résultats proches des solutions centralisées. La quantité de données transitant ainsi dans le réseau est considérablement diminuée. Nous testons également la réponse de ces systèmes en cas de perturbation plus ou moins importante tels que des travaux, un acte terroriste ou une catastrophe naturelle. Les modèles permettant une prise de décision locale grâce aux informations délivrées autour du véhicule montrent leur potentiel que se soit avec de la communication avec l'infrastructure V2I ou entre les véhicules V2V. / In this thesis we present vehicular applications across different scales: from small scale that allows real tests of communication and services; to larger scales that include more constraints but allowing simulations on the entire network. In this context, we highlight the importance of real data and real urban topology in order to properly interpret the results of simulations. We describe different services using V2V and V2I communication. In each of them we do not pretend to take control of the vehicle, the driver is present in his vehicle, our goal is to show the potential of communication through services taking into account the difficulties outlined above. In the small scale, we focus on a service with a traffic light that improves travel times, waiting times and CO2 and fuel consumption. The medium scale is a roundabout, it allows, through a decentralized algorithm, to improve the same parameters. It also shows that with a simple and decentralized decision-making process, the system is robust to packet loss, density, human behavior or equipment rate. Finally on the scale of a city, we show that local and decentralized decisions, with only a partial access to information in the network, lead to results close to centralized solutions. The amount of data in the network is greatly reduced. We also test the response of these systems in case of significant disruption in the network such as roadworks, terrorist attack or natural disaster. Models, allowing local decision thanks to information delivered around the vehicle, show their potential whatsoever with the V2I communication or V2V.

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.

Dans la première partie de cette thèse, on formule deux méthodes pour le calcul d'une décomposition polyadique canonique avec facteurs matriciels linéairement structurés (tels que des facteurs de Toeplitz ou en bande): un algorithme de moindres carrés alternés contraint (CALS) et une solution algébrique dans le cas où tous les facteurs sont circulants. Des versions exacte et approchée de la première méthode sont étudiées. La deuxième méthode fait appel à la transformée de Fourier multidimensionnelle du tenseur considéré, ce qui conduit à la résolution d'un système d'équations monomiales homogènes. Nos simulations montrent que la combinaison de ces approches fournit un estimateur statistiquement efficace, ce qui reste vrai pour d'autres combinaisons de CALS dans des scénarios impliquant des facteurs non-circulants. La seconde partie de la thèse porte sur la récupération de tenseurs de rang faible et, en particulier, sur le problème de reconstruction tensorielle (TC). On propose un algorithme efficace, noté SeMPIHT, qui emploie des projections séquentiellement optimales par mode comme opérateur de seuillage dur. Une borne de performance est dérivée sous des conditions d'isométrie restreinte habituelles, ce qui fournit des bornes d'échantillonnage sous-optimales. Cependant, nos simulations suggèrent que SeMPIHT obéit à des bornes optimales pour des mesures Gaussiennes. Des heuristiques de sélection du pas et d'augmentation graduelle du rang sont aussi élaborées dans le but d'améliorer sa performance. On propose aussi un schéma d'imputation pour TC basé sur un seuillage doux du coeur du modèle de Tucker et son utilité est illustrée avec des données réelles de trafic routier / In the first part of this thesis, we formulate two methods for computing a canonical polyadic decomposition having linearly structured matrix factors (such as, e.g., Toeplitz or banded factors): a general constrained alternating least squares (CALS) algorithm and an algebraic solution for the case where all factors are circulant. Exact and approximate versions of the former method are studied. The latter method relies on a multidimensional discrete-time Fourier transform of the target tensor, which leads to a system of homogeneous monomial equations whose resolution provides the desired circulant factors. Our simulations show that combining these approaches yields a statistically efficient estimator, which is also true for other combinations of CALS in scenarios involving non-circulant factors. The second part of the thesis concerns low-rank tensor recovery (LRTR) and, in particular, the tensor completion (TC) problem. We propose an efficient algorithm, called SeMPIHT, employing sequentially optimal modal projections as its hard thresholding operator. Then, a performance bound is derived under usual restricted isometry conditions, which however yield suboptimal sampling bounds. Yet, our simulations suggest SeMPIHT obeys optimal sampling bounds for Gaussian measurements. Step size selection and gradual rank increase heuristics are also elaborated in order to improve performance. We also devise an imputation scheme for TC based on soft thresholding of a Tucker model core and illustrate its utility in completing real-world road traffic data acquired by an intelligent transportation