Cette thèse présente des méthodes et des algorithmes pour l'évaluation de performance de modèles avec très grands espace d'états décrits par des formalismes de haut niveau. Parmi les différents formalismes couramment utilisés, on se place dans le cadre des Réseaux d'Automates Stochastiques (SAN). Le formalisme SAN se caractérise par la représentation de très grands systèmes par la composition de sous-systèmes (automates), où ces automates interagissent entre eux par des événements synchronisants ou des taux et des probabilités fonctionnels. <br /><br />La première partie de cette thèse s'intéresse au calcul des indices de performances transitoires pour des grands modèles. Lorsqu'on calcule des indices de performances transitoires, tel que la disponibilité ponctuelle, la méthode d'uniformisation est la plus souvent utilisée. Cependant le nombre d'itérations vecteur-matrice peut être très grand ce qui devient critique pour de très grands modèles. Des méthodes de détection du régime stationnaire peuvent réduire le coût de calcul en arrêtant les itérations lorsque le régime stationnaire est atteint. Dans cette thèse, nous proposons une adaptation et une comparaison de différentes méthodes de détection du régime stationnaire lorsque la matrice est stockée sous un format tensoriel. Les méthodes sont comparées selon deux critères : nombre d'itérations et précision des résultats.<br /><br />Dans la deuxième partie, nous présentons le formalisme SAN à temps discret. La définition formelle du formalisme SAN présentée dans cette thèse nous permet de définir la sémantique des modèles en temps discret que nous souhaitons exploiter. Nous définissons une nouvelle algèbre tensorielle (appelée Algèbre Tensorielle compleXe - ATX) capable d'exprimer cette sémantique. Pour cela, trois opérateurs sont définis afin de décrire différents comportement d'un système, tels que la simultanéité, la concurrence et le choix. Enfin, le principal apport de cette thèse réside dans la définition d'une formule tensorielle (appelée Descripteur discret) qui utilise cette nouvelle algèbre pour représenter un modèle SAN à temps discret de façon compacte. Nous montrons que ce descripteur discret permet aisément de générer la chaîne de Markov représentée par le modèle SAN.

Les chaînes de Markov facilitent l'analyse des performances des systèmes dynamiques dans de nombreux domaines d'application. Cette thèse présente le formalisme des réseaux d'automates stochastiques pour représenter des systèmes markoviens. Le principal objectif des travaux consiste à améliorer les méthodes existantes pour évaluer les performances de systèmes informatiques à grand espace d'états. Pour cela, nous introduisons le concept de réseaux d'automates stochastiques avec réplication, ainsi que des techniques pour simplifier le modèle étudié en réduisant la taille de l'espace d'états. Pour rechercher des indices de performances, on propose une amélioration de l'opération de base en tenant compte du fait que dans de nombreux modèles, la proportion d'états accessibles est faible. Les méthodes et algorithmes développés au cours de la thèse ont été implémentés dans le logiciel PEPS 2003. Des exemples numériques sont présentés pour illustrer les apports de cette thèse.