Au cours de la dernière décennie, les prix des logements ont augmenté de façon spectaculaire dans plusieurs pays à travers le monde. Par exemple, les prix des logements aux États-Unis, en Espagne et en Irlande ont été marqués par des cycles d'expansion et de récession les plus marquants de leur histoire. L'augmentation concomitante des prix des logements (et dans certains cas l’occurrence des épisodes d'expansion - récession) dans de nombreuses économies avancées soulève quelques questions importantes. Y a t-il eu une bulle immobilière dans les pays avancés? Quels sont les principaux déterminants de l'évolution des prix des logements dans ces pays? Est-ce que les marchés immobiliers des pays avancés sont-ils interdépendants? Le premier chapitre propose une modélisation structurelle des modèles VAR Bayésiens pour les États-Unis, la France, l'Espagne et la Grèce qui examinent les effets relatifs de l'évolution du secteur réel de production, du secteur financier et des flux internationaux de capitaux sur les marchés du logement. Un deuxième exercice tente d'identifier la présence de régimes de bulles immobilières à partir d’une modélisation Markovienne à deux états. Les principaux résultats liés au marche américain montrent que les entrées de capitaux étrangers, mesurées par le solde de la balance courante en pourcentage du PIB, comptent pour plus de 30 % de la variance des chocs qui frappent les prix des logements, tandis que les taux d’intérêt contribuent pour environ 38 %. En France, la politique monétaire a le plus grand pouvoir explicatif des évolutions du marché du logement, tandis qu'en Espagne et en Grèce, les taux hypothécaires variables et les investissements dans le logement exercent la plus grande influence sur le marché du logement. Tous les pays ont connu un régime de bulle immobilière sur la majeure partie des années 2000.Le deuxième chapitre utilise une approche de type Global VAR (ou GVAR) qui porte sur la modélisation des interdépendances internationales des prix immobiliers. Le modèle GVAR a été estimé empiriquement en utilisant des données trimestrielles de sept pays, pour la période 1987-2011. Les résultats montrent que les chocs des prix immobiliers originaires des États-Unis ont de fortes répercussions sur tous les pays, avec les plus fortes magnitudes observées pour l'Irlande. Ce résultat suggère que les marchés immobiliers pourraient être soumis à des effets de contagion du comportement des marchés financiers et que le secteur immobilier peut être analysé comme un actif spéculatif. Les liens entre les taux d'intérêt réels à long terme sont positifs et statistiquement significatifs dans tous les pays, même si ils ont un rôle limité sur l'évolution des prix immobiliers. Les chocs négatifs sur les prix immobiliers aux États-Unis ont des effets négatifs et statistiquement significatifs sur le PIB réel aux États-Unis, le Canada et l'Irlande.Le troisième chapitre est consacré au financement de la première guerre mondiale par les Etats-Unis et le rôle de la War Finance Corporation (WFC). Plus spécifiquement, on s’intéresse aux fluctuations des rendements des bons du Trésor américain émis entre novembre 1917 et décembre 1920. L’analyse économétrique est basée sur des techniques de séries temporelles Bayésiennes. Les principaux résultats montrent que les chocs positifs sur les achats de la WFC engendrent une réponse négative et statistiquement significative sur tous les types de rendements des bons de guerre. En outre, les achats de la WFC des bons Liberty et Victory, à l'exception du premier prêt des bons Liberty, ont eu un effet statistiquement significatif sur l'évolution des taux à court terme. Les achats de la WFC de la deuxième et de la quatrième émission des bons Liberty ont eu des effets significatifs et positifs sur les taux à court terme, ce qui suggère une déformation de la courbe des taux. / During the last decade, housing prices have increased dramatically in several countries around the world. For instance, housing prices in the United States, Spain, and Ireland have been marked by one of the most striking boom-bust cycles in their history. The concomitant increase in housing prices (and in some cases boom-bust episodes) across many advanced economies raises the following important questions. Was there a housing bubble across advanced countries? What are the main determinants of the housing price movements in these countries? Are the advanced countries' housing markets interrelated? The first chapter of the dissertation estimates a set of structural Bayesian VAR models for the U.S., France, Spain, and Greece that examine the relative effects of developments in the real production sector, the financial sector, and international capital flows on the housing market. A second exercise attempts to identify the presence of housing price bubble regimes by estimating a set of two state Markov-switching Bayesian VAR models. The main results for the U.S. show that foreign capital inflows, measured by the current account balance as a percentage of GDP, account for more than 30\% of the variance of the shocks hitting housing prices, while adjustable mortgage rates contribute about 38\%. In France, monetary policy has the largest explanatory power for the housing market evolutions, while in Spain and Greece, the variable mortgage rates and housing investments exert the largest influence on the housing market. All the countries experienced a bubble regime over most of the 2000s. The second chapter uses a Global VAR model estimated using quarterly data from seven countries, for the period 1987-2011, to analyze the interdependencies that exist between domestic and international factors in housing markets. We find that housing price shocks originating in the U.S. have large spillover effects on all the countries, with the largest magnitudes on Ireland. This result suggests that housing markets may be subject to contagion effects and that housing can be analyzed as a speculative asset, based on international data spanning the past two decades. Linkages in long-run real interest rates are positive and statistically significant across all the countries, although they have a limited role on the evolution of housing prices. Negative shocks to the U.S. housing prices have negative and statistically significant effects on real GDP in the U.S., Canada, and Ireland. The third chapter studies the price fluctuations of war bonds issued by the U.S Treasury in order to finance the World War I between November 1917 and December 1920. Bayesian time series techniques are used to carry out the analyses. We are focusing on the effects that the bond-purchasing program of the War Finance Corporation (WFC) had on the evolution of war bond yields. Our main results show that positive shocks to WFC purchases display a negative and statistically significant effect on all types of war bond yields. Furthermore, WFC purchases of Liberty and Victory Bonds, except the First Liberty Loan, had a statistically significant effect on the evolution of commercial paper rates. WFC purchases of the Second and Fourth Liberty Bonds had significant and positive effects on commercial paper rates, suggesting a twist in the bond yield curve.

Dans la robotique mobile, le réseau de communication est un composant important du système global pour que le système accomplisse sa mission. Dans un tel type de système, appelé un système commandé en réseau sans fil (SCR sans fil ou WNCS), l’intégration du réseau sans fil dans la boucle de commande introduit des problèmes qui ont un impact sur la performance et la stabilité i.e, sur la qualité de commande (QoC). Cette QoC dépend alors de la qualité de service (QoS) et la performance du système va donc dépendre des paramètres de la QoS. C’est ainsi que l’étude de l’influence des défauts du réseau sans fil sur la QoC est cruciale. Le WNCS est un système temps réel qui a besoin d’un certain niveau de QoS pour une bonne performance. Cependant, la nature probabiliste du protocole de communication CSMA/CA utilisé dans la plupart des technologies sans fil ne garantit pas les contraintes temps réel. Il faut alors une méthode probabiliste pour analyser et définir les exigences de l’application en termes de QoS, c’est-à-dire en termes de délai, de gigue, de débit, et de perte de paquets. Une première contribution de cette thèse consiste à étudier les performances et la fiabilité d’un réseau sans fil IEEE 802.11 pour des WNCSs qui partagent le même réseau et le même serveur de commandes en développant un modèle stochastique. Ce modèle est une chaîne de Markov qui modélise la méthode d’accès au canal de communication. Ce modèle a servi pour définir les paramètres de la QoS qui peuvent garantir une bonne QoC. Nous appliquons notre approche à un robot mobile commandé par une station distante. Le robot mobile a pour mission d’atteindre une cible en évitant les obstacles. Pour garantir l’accomplissement de cette mission, une méthode de diagnostic probabiliste est primordiale puisque le comportement du système n’est pas déterministe. La deuxième contribution a été d’établir la méthode probabiliste qui sert à surveiller le bon déroulement de la mission et l’état du robot. C’est un réseau bayésien (RB) modulaire qui modélise les relations de dépendance cause-à-effet entre les défaillances qui ont un impact sur la QoC du système. La dégradation de la QoC peut être due soit à un problème lié à l’état interne du robot, soit à un problème lié à la QoS, soit à un problème lié au contrôleur lui-même. Les résultats du modèle markovien sont utilisés dans le RB modulaire pour définir l'espace d'état de ses variables (étude qualitative) et pour définir les probabilités conditionnelles de l'état de la QoS (étude quantitative). Le RB permet d’éviter la dégradation de la QoC en prenant la bonne décision qui assure la continuité de la mission. En effet, dans une approche de co-design, quand le RB détecte une dégradation de la QoC due à une mauvaise QoS, la station envoie un ordre au robot pour qu'il change son mode de fonctionnement ou qu'il commute sur un autre contrôleur débarqué. Notre hypothèse est que l’architecture de diagnostic est différente en fonction des modes de fonctionnement : nous optons pour un RB plus global et partagé lorsque le robot est connecté à la station et pour RB interne au robot lorsqu’il est autonome. La commutation d’un mode de fonctionnement débarqué à un mode embarqué implique la mise à jour du RB. Un autre apport de cette thèse est la définition d’une stratégie de commutation entre les modes de diagnostic : commutation d’un RB distribué à un RB monolithique embarqué quand le réseau de communication ne fait plus partie de l'architecture du système et vice-versa. Les résultats d’inférence et de scénario de diagnostic ont montré la pertinence de l’utilisation des RBs distribués modulaires. Ils ont aussi montré la capacité du RB développé à détecter la dégradation de la QoC et de la QoS et à superviser l’état du robot. L’aspect modulaire du RB a permis de faciliter la reconfiguration de l’outil de diagnostic selon l’architecture de commande ou de communication adaptée (RB distribué ou RB monolithique embarqué). / In mobile robotics systems, the communication network is an important component of the overall system, it enables the system to accomplish its mission. Such a system is called Wireless Networked Control System WNCS where the integration of the wireless network into the control loop introduces problems that impact its performance and stability i.e, its quality of control (QoC). This QoC depends on the quality of service (QoS) therefore, the performance of the system depends on the parameters of the QoS. The study of the influence of wireless network defects on the QoC is crucial. WNCS is considered as a real-time system that requires a certain level of QoS for good performance. However, the probabilistic behavior of the CSMA / CA communication protocol used in most wireless technologies does not guarantee real-time constraints. A probabilistic method is then needed to analyze and define the application requirements in terms of QoS: delay, jitter, rate, packet loss. A first contribution of this thesis is to study the performance and reliability of an IEEE 802.11 wireless network for WNCSs that share the same network and the same control server by developing a stochastic model. This model is a Markov chain that models the access procedure to the communication channel. This model is used to define the QoS parameters that can guarantee the good QoC. In this thesis, we apply our approach to a mobile robot controlled by a remote station. The mobile robot aims to reach a target by avoiding obstacles, a classic example of mobile robotics applications. To ensure that its mission is accomplished, a probabilistic diagnostic method is essential because the system behavior is not deterministic. The second contribution of this thesis is to establish the probabilistic method used to monitor the robot mission and state. It is a modular Bayesian network BN that models cause-and-effect dependency relationships between failures that have an impact on the system QoC. The QoC degradation may be due either to a problem related to the internal state of the robot, a QoS problem or a controller problem. The results of the Markov model analysis are used in the modular BN to define its variables states (qualitative study) and to define the conditional probabilities of the QoS (quantitative study). It is an approach that permits to avoid the QoC degradation by making the right decision that ensures the continuity of the mission. In a co-design approach, when the BN detects a degradation of the QoC due to a bad QoS, the station sends an order to the robot to change its operation mode or to switch to another distant controller. Our hypothesis is that the diagnostic architecture depends on the operation mode. A distributed BN is used when the robot is connected to the station and a monolithic embedded BN when it is autonomous. Switching from a distributed controller to an on-board one involves updating the developed BN. Another contribution of this thesis consists in defining a switching strategy between the diagnostic modes: switching from a distributed BN to an on-board monolithic BN when the communication network takes no longer part of the system architecture and vice versa -versa. The inference and diagnostic scenarii results show the relevance of using distributed modular BNs. They also prove the ability of the developed BN to detect the degradation of QoC and QoS and to supervise the state of the robot. The modular structure of the BN facilitates the reconfiguration of the diagnostic policy according to the adapted control and communication architecture (distributed BN or on-board monolithic RB).

Le niveau de complexité croissant des systèmes et les exigences de performances et de sûreté de fonctionnement qui leur sont associées ont induit la nécessité de développer de nouvelles approches de surveillance. Les travaux de cette thèse portent sur la surveillance des systèmes complexes, notamment la détection, le diagnostic et le pronostic de défauts, avec une méthodologie basée sur la fusion de décisions. L’objectif principal est de proposer une approche générique de fusion de diverses méthodes de surveillance, dont la performance serait meilleure que celles des méthodes individuelles la composant. Pour cela, nous avons proposé une nouvelle démarche de fusion de décisions, basée sur la théorie Bayésienne. Cette démarche s’appuie sur une déduction théorique des paramètres du Réseau Bayésien en fonction des objectifs de performance à atteindre en surveillance. Le développement conduit à un problème multi-objectif sous contraintes, résolu par une approche lexicographique. La première étape se déroule hors-ligne et consiste à définir les objectifs de performance à respecter afin d’améliorer les performances globales du système. Les paramètres du réseau Bayésien permettant de respecter ces objectifs sont ensuite déduits de façon théorique. Enfin, le réseau Bayésien paramétré est utilisé en ligne afin de tester les performances de la fusion de décisions. Cette méthodologie est adaptée et appliquée d’une part à la détection et au diagnostic, et d’autre part au pronostic. Les performances sont évaluées en termes de taux de diagnostic de défauts (FDR) et taux de fausses alarmes (FAR) pour l’étape de détection et de diagnostic, et en durée de fonctionnement avant la défaillance du système (RUL) pour le pronostic. / Nowadays, systems are becoming more and more complex and require new effective methods for their supervision. This latter comprises a monitoring phase that aims to improve the system’s performances and ensure a safety production for humans and materials. This thesis work deals with fault detection, diagnosis and prognosis, with a methodology based on decisions fusion. The main issue concerns the integration of different decisions emanating from individual monitoring methods in order to obtain more reliable results. The methodology is based on a theoretical learning of the Bayesian network parameters, according to monitoring objectives to be reached. The development leads to a multi-objective problem under constraints, which is solved with a lexicographic approach. The first step is offline and consists of defining the objectives to be achieved in order to improve the overall performance of the system. The Bayesian network parameters respecting these objectives are then deduced theoretically. Finally, the parametrized Bayesian network is used online to test the decision fusion performances. These performances are evaluated in terms of Fault Diagnostic Rate (FDR) and False Alarm Rate (FAR) for the detection and diagnosis stage, and in terms of Remaining Useful Life (RUL) for the prognosis.

Ces travaux de thèse, menés dans le cadre du projet FUI Traçaverre, visent à optimiser le rappel pour un processus qui n'est pas de type batch avec une traçabilité unitaire des articles produits. L'objectif étant de minimiser le nombre d'articles rappelés tout en s'assurant que tous les articles avec défaut sont rappelés. Pour cela, nous avons proposé un processus de rappel efficient qui intègre, d'une part, les possibilités offertes par la traçabilité unitaire et, d'autre part, utilise une fonction de diagnostic devenue indispensable avant le rappel effectif des produits. Dans le cas des systèmes industriels complexes pour lesquels l'expertise humaine est insuffisante et dont nous n'avons pas de modèle physique, la traçabilité unitaire offre une possibilité pour mieux comprendre et analyser le procédé de fabrication par une reconstitution de la vie du produit à travers les données de traçabilité. Le couplage des données de traçabilité unitaire produit/process représente une source potentielle de connaissance à mettre en oeuvre et à exploiter. Ces travaux de thèse proposent un modèle de données pour le couplage de ces données. Ce modèle de données est basé sur deux standards, l'un dédié à la production et l'autre portant sur la traçabilité. Après l'identification et l'intégration des données nécessaires, nous avons développé une fonction de diagnostic à base de données. La construction de cette fonction diagnostic a été réalisée par apprentissage et comprend l'intégration des connaissances sur le système pour réduire la complexité de l'algorithme d'apprentissage. Dans le processus de rappel proposé, lorsque l'équipement à l'origine du défaut nécessitant le rappel est identifié, l'état de santé de cet équipement au voisinage de l'instant de fabrication du produit contrôlé défectueux est évalué afin d'identifier les autres produits susceptibles de présenter le même défaut. L'approche globale proposée est appliquée à deux études de cas. La première étude a concerné l'industrie verrière. Le second cas d'application a porté sur le process benchmark Tennessee Eastman / This thesis, which is part of the Traçaverre Project, aims to optimize the recall when the production process is not batch type with a unit traceability of produced items. The objective is to minimize the number of recalled items while ensuring that all items with defect are recalled. We propose an efficient recall procedure that incorporates possibilities offered by the unitary traceability and uses a diagnostic function. For complex industrial systems for which human expertise is not sufficient and for which we do not have a physical model, the unitary traceability provides opportunities to better understand and analyse the manufacturing process by a re-enactment of the life of the product through the traceability data. The integration of product and process unitary traceability data represents a potential source of knowledge to be implemented and operate. This thesis propose a data model for the coupling of these data. This data model is based on two standards, one dedicated to the production and the other dealing with the traceability. We developed a diagnostic function based on data after having identified and integrated the necessary data. The construction of this diagnosis function was performed by a learning approach and comprises the integration of knowledge on the system to reduce the complexity of the learning algorithm. In the proposed recall procedure, when the equipment causing the fault is identified, the health status of this equipment in the neighbourhood of the manufacturing time of the defective product is evaluated in order to identify other products likely to present the same defect. The global proposed approach was applied to two case studies. The first study focuses on the glass industry. The second case of application deals with the benchmark Tennessee Eastman process

Le travail aborde la modélisation et l’analyse de systèmes complexes, caractérisés, dans un cadre incertain et évolutif, par de nombreuses interactions entre composants. Dans un cadre de gestion des risques, le travail vise à créer un modèle causal spatio-temporel pour l’explication et la probabilisation de certains événements redoutés à des fins de diagnostic et de pronostic. Le travail de modélisation est basé sur l’approche bayésienne et, plus particulièrement, sur les Réseaux Bayésiens (RB). Dans l’optique de considérer des systèmes de grande taille et de représenter leur complexité spatio-temporelle, leur caractère multiéchelles et incertain dans un cadre dynamique, l’idée de ce travail est alors d’étendre le concept des Réseaux Bayesiens Dynamiques (RBD) et d’utiliser le paradigme Orienté Objet pour l’appliquer aux réseaux bayésiens. Dans leur forme actuelle, les réseaux bayésiens orientés objet permettent de créer des instances réutilisables mais non instanciables. En d’autres termes, cela implique que l’objet généré est susceptible d’être appelé plusieurs fois dans la construction d’un modèle mais sans pour autant que ces paramètres (tables de probabilités marginales ou conditionnelles) ne soient modifiés. Ce travail de thèse vise à combler cette lacune en proposant une approche structurée permettant de construire des grands systèmes à base d’objets (caractérisés par des réseaux bayésiens simples) dont les paramètres peuvent être actualisés en fonction de l’instant ou du contexte de leur appel et de leur utilisation. Ce concept est concrétisé sous la forme de Réseaux Bayésiens Multidimensionnels par leur propension à combiner plusieurs dimensions qu’elles soient spatiales ou temporelles.

Le transport de contenu audiovisuel présente une très grande sensibilité aux pannes du fait de sa nature non élastique. La société TDF qui opère un réseau sur lequel elle réalise entre autres le transport des multiplexes de la Télévision Numérique Terrestre veut mieux maitriser l’évitement et le contournement des pannes pour fournir un service de grande qualité. Dans ce but, les travaux de recherche qui constituent cette thèse ont développé d’une part une approche théorique de la résilience du réseau et d’autre part une proposition d’amélioration de la solution actuellement déployée pour absorber l’augmentation constatée du taux de panne des liaisons optiques entre les noeuds du réseau. / Audiovisual data traffic presents a great sensitivity to the failures. TDF Company which performs his own network to realize inter alia the National TV transportation wants to avoid failures to bring a high quality service. This is why the Company wants from one side to study by a theatrical approach the network resilience and from another side enhance the deployed solution to absorb the recorded increase of failures in the optical links between the network nodes

Cette thèse examine une nouvelle façon d'étudier l'impact d'une voie de signalisation donnée sur l'évolution d'un tissu grâce à l'analyse multi-niveaux. Cette analyse est divisée en deux parties principales: La première partie considère les modèles décrivant la voie au niveau cellulaire. A l'aide de ces modèles, on peut calculer de manière résoluble la dynamique d'un groupe de cellules, en le représentant par une distribution multivariée sur des concentrations de molécules clés. La deuxième partie propose un modèle 3d de croissance tissulaire qui considère la population de cellules comme un ensemble de sous-populations, partitionnée de façon à ce que chaque sous-population partage les mêmes conditions externes. Pour chaque sous-population, le modèle résoluble présenté dans la première partie peut être utilisé. Cette thèse se concentre principalement sur la première partie, tandis qu'un chapitre couvre un projet de modèle pour la deuxième partie. / This thesis examines a new way to study the impact of a given pathway on the dynamics of a tissue through Multi-Level Analysis. The analysis is split in two main parts: The first part considers models describing the pathway at the cellular level. Using these models, one can compute in a tractable manner the dynamics of a group of cells, representing it by a multivariate distribution over concentrations of key molecules. % of the distribution of the states of this pathway through groups of cells. The second part proposes a 3d model of tissular growth that considers the population of cell as a set of subpopulations, partitionned such as each subpopulation shares the same external conditions. For each subpopulation, the tractable model presented in the first part can be used. This thesis focuses mainly on the first part, whereas a chapter covers a draft of a model for the second part.

Flood forecasting describes the rainfall-runoff transformation using simplified representations. These representations are based on either empirical descriptions, or on equations of classical mechanics of the involved physical processes. The performances of the existing flood predictions are affected by several sources of uncertainties coming not only from the approximations involved but also from imperfect knowledge of input data, initial conditions of the river basin, and model parameters. Quantifying these uncertainties enables the decision maker to better interpret the predictions and constitute a valuable decision-making tool for flood risk management. Uncertainty analysis on existing rainfall-runoff models are often performed using Monte Carlo (MC)- simulations. The implementation of this type of techniques requires a large number of simulations and consequently a potentially important calculation time. Therefore, quantifying uncertainties of real-time hydrological models is challenging. In this project, we develop a methodology for flood prediction based on Bayesian networks (BNs). BNs are directed acyclic graphs where the nodes correspond to the variables characterizing the modelled system and the arcs represent the probabilistic dependencies between these variables. The presented methodology suggests to build the RBs from the main hydrological factors controlling the flood generation, using both the available observations of the system response and the deterministic equations describing the processes involved. It is, thus, designed to take into account the time variability of different involved variables. The conditional probability tables (parameters), can be specified using observed data, existing hydrological models or expert opinion. Thanks to their inference algorithms, BN are able to rapidly propagate, through the graph, different sources of uncertainty in order to estimate their effect on the model output (e.g. riverflow). Several case studies are tested. The first case study is the Salat river basin, located in the south-west of France, where a BN is used to simulate the discharge at a given station from the streamflow observations at 3 hydrometric stations located upstream. The model showed good performances estimating the discharge at the outlet. Used in a reverse way, the model showed also satisfactory results when characterising the discharges at an upstream station by propagating back discharge observations of some downstream stations. The second case study is the Sagelva basin, located in Norway, where a BN is used to simulate the accumulation of snow water equivalent (SWE) given available weather data observations. The performances of the model are affected by the learning dataset used to train the BN parameters. In the absence of relevant observation data for learning, a methodology for learning the BN-parameters from deterministic models is proposed and tested. The resulted BN can be used to perform uncertainty analysis without any MC-simulations to be performed in real-time. From these case studies, it appears that BNs are a relevant decisionsupport tool for flood risk management.

Cette thèse porte sur la surveillance (détection et diagnostic) des procédés multivariés par réseaux bayésiens. Ceci permet l'unification dans le même outil, un réseau bayésien, de plusieurs méthodes dédiées à la surveillance des procédés, telles que les cartes de contrôles multivariées, l'analyse discriminante ou bien la méthode MYT. Le premier chapitre expose les différents points clés de la surveillance des procédés, en étudiant les diverses approches permettant de réaliser celle-ci. Des méthodes de surveillance supervisées et non-supervisées sont présentées et une étude de différents classifieurs pour la surveillance est effectuée. Le choix d'un classifieur se porte alors sur les réseaux bayésiens. Le second chapitre est l'objet d'une présentation plus approfondie des réseaux bayésiens et des extensions possibles et intéressantes de ce genre d'outil dans le contexte de la surveillance des procédés. Puis, un état de l'art des méthodes de surveillance ou de diagnostic basées sur les réseaux bayésiens est étudié. Le troisième chapitre expose les contributions apportées au domaine de la surveillance des procédés par réseaux bayésiens. Les contributions apportées se répartissent en trois parties : détection, diagnostic supervisé et diagnostic nonsupervisé. En s'appuyant sur ces contributions, la structure complète d'un réseau bayésien dédié à la surveillance des procédés est proposée. Le dernier chapitre présente une application de la méthode proposée sur un exemple classique : le procédé Tennessee Eastman. Les performances du réseau en terme de détection et de diagnostic sont évaluées. Finalement, les conclusions et perspectives de l'approche proposée sont émises.

En cancérologie, les puces à ADN mesurant le transcriptome sont devenues un outil commun pour chercher à caractériser plus finement les pathologies, dans l'espoir de trouver au travers des expressions géniques : des mécanismes,des classes, des associations entre molécules, des réseaux d'interactions cellulaires. Ces réseaux d'interactions sont très intéressants d'un point de vue biologique car ils concentrent un grand nombre de connaissances sur le fonctionnement cellulaire. Ce travail de thèse a pour but, à partir de ces mêmes données d'expression, d'extraire des structures pouvant s'apparenter à des réseaux d'interactions génétiques. Le cadre méthodologique choisi pour appréhender cette problématique est les " Réseaux Bayésiens ", c'est-à-dire une méthode à la fois graphique et probabiliste permettant de modéliser des systèmes pourtant statiques (ici le réseau d'expression génétique) à l'aide d'indépendances conditionnelles sous forme d'un réseau. L'adaptation de cette méthode à des données dont la dimension des variables (ici l'expression des gènes, dont l'ordre de grandeur est 105) est très supérieure à la dimension des échantillons (ordre102 en cancérologie) pose des problèmes statistiques (de faux positifs et négatifs) et combinatoires (avec seulement 10gènes on a 4×1018 graphes orientés sans circuit possibles). A partir de plusieurs problématiques de cancers (leucémies et cancers du sein), ce projet propose une stratégie d'accélération de recherche de réseaux d'expression à l'aide de Réseaux Bayésiens, ainsi que des mises en œuvre de cette méthode pour classer des tumeurs, sélectionner un ensemble de gènes d'intérêt reliés à une condition biologique particulière, rechercher des réseaux locaux autour d'un gène d'intérêt.On propose parallèlement de modéliser un Réseau Bayésien à partir d'un réseau biologique connu, utile pour simuler des échantillons et tester des méthodes de reconstruction de graphes à partir de données contrôlées.