La quantité d'informations stockée dans les bases de données est en constante augmentation rendant ainsi nécessaire la mise au point de systèmes d'analyse et de visualisation. Nous nous intéressons dans cette thèse aux données relationnelles et plus particulièrement aux données biologiques. Cette thèse s'oriente autour de trois axes principaux : tout d'abord, la décomposition de graphes en groupes d'éléments ”similaires” afin de détecter d'éventuelles structures de communauté ; le deuxième aspect consiste à mettre en évidence ces structures dans un système de visualisation, et dans un dernier temps, nous nous intéressons à l'utilisabilité de l'un de ces systèmes de visualisation via une évaluation expérimentale.<br />Les travaux de cette thèse ont été appliqués sur des données réelles provenant de deux domaines de la biologie : les réseaux métaboliques et les réseaux d'interactions gènes-protéines.

La quantité d’informations stockée dans les bases de données est en constante augmentation rendant ainsi nécessaire la mise au point de systémes d’analyse et de visualisation. Nous nous intéressons dans cette thèse aux données relationnelles et plus particulièrement aux données biologiques. Cette thèse s’oriente autour de trois axes principaux : tout d’abord, la décomposition de graphes en groupes d’éléments ”similaires” a?n de détecter d’éventuelles structures de communauté ; le deuxième aspect consiste à mettre en évidence ces structures dans un système de visualisation, et dans un dernier temps, nous nous intéressons à l’utilisabilité de l’un de ces systèmes de visualisation via une évaluation expérimentale. Les travaux de cette thèse ont été appliqués sur des données réelles provenant de deux domaines de la biologie : les réseaux métaboliques et les réseaux d’interactions génes- protéines. / The amount of information stored in databases is constantly increasing making necessary to develop systems for analysis and visualization. In this thesis, we are interested in relational data and in particular, in biological data. This thesis focuses on three main axes : ?rstly, the decomposition of graph into clusters of ”similar” elements in order to detect the community structures ; the second aspect is to highlight these structures in a visualization system; and thirdly, we are interested in the usability of one of these visualization systems through an experimental evaluation. The work presented in this thesis was applied on real data from two ?elds of biology : the metabolic networks and the gene-protein interaction networks.

Ce travail est axé autour de l'analyse assistée par ordinateur, dans un cadre musicologique ciblant la musique contemporaine. Une approche computationnelle de l'analyse musicale pose la question de sa modélisation et de sa formalisation, puisque touchant à une activité souvent empirique et dont la pratique n'est pas définie à l'aide de normes communes. Cette question implique la mesure de l'importance de la représentation graphique dans l'interprétation analytique. Face au rôle croissant de la représentation, nous nous intéressons d'une part à la manière dont elle relie l'analyse et la composition en proposant, à partir d'une analyse connue des Structures IA de Pierre Boulez réalisée par le compositeur György Ligeti, des modèles de machinerie informatique en vue de générer des pièces musicales sous deux interfaces, OpenMusic et Rubato. Parmi ces deux environnements de programmation visuelle, le second se base sur un puissant paradigme mathématique reposant sur la théorie des catégories. Ce paradigme constitue également une base pour modéliser les K-réseaux, outil d'analyse reposant sur des graphes décrivant les relations entre les notes. Ces relations sont formalisées dans la Set Theory d'Allen Forte qui propose une méthode de classification des structures musicales à partir des douze hauteurs de la gamme chromatique occidentale. Une application de ces réseaux et plus généralement l'apport des structures de graphe est abordée ensuite dans la modélisation de l'analyse d'une autre pièce, le Klavierstück III de Karlheinz Stockhausen : cette analyse a été faite par le théoricien David Lewin en deux étapes que nous étudierons dans leurs aspects à la fois computationnel et d'interface-homme machine. En premier lieu, la segmentation, non expliquée par l'analyste, fait l'objet d'une reconstitution dans laquelle nous tentons de la retrouver par le biais d'une exploration dans un ensemble de segmentations possibles. Il s'agit ainsi non seulement de reconstituer mais également de voir s'il est possible de la dépasser et l'améliorer selon des critères comme la couverture de la partition. Nous verrons dans ce cadre si les K-réseaux peuvent affiner cette analyse et en constituer un angle d'attaque pertinent. En second lieu, Lewin organise ses segments selon un réseau qui ne suit plus un quelconque agencement chronologique mais une disposition spatiale qui offre un nouveau parcours de la pièce. Cette difficulté s'inscrit dans le contexte plus général de la sélection et de la formation d'un graphe décrivant la structure d'une oeuvre musicale, que nous envisageons à l'intérieur du problème de l'utilisation d'un réseau en analyse computationnelle.