Le sentiment d’agentivité est défini comme le sentiment de contrôler nos actions, et à travers elles, les évènements du monde extérieur. Cet ensemble phénoménologique dépend de notre capacité d’apprendre les contingences entre nos actions et leurs résultats, et un algorithme classique pour modéliser cela vient du domaine de l’apprentissage par renforcement. Dans cette thèse, nous avons utilisé l’approche de modélisation cognitive pour étudier l’interaction entre agentivité et apprentissage par renforcement. Tout d’abord, les participants réalisant une tâche d’apprentissage par renforcement tendent à avoir plus d’agentivité. Cet effet est logique, étant donné que l’apprentissage par renforcement consiste à associer une action volontaire et sa conséquence. Mais nous avons aussi découvert que l’agentivité influence l’apprentissage de deux manières. Le mode par défaut pour apprendre des contingences action-conséquence est que nos actions ont toujours un pouvoir causal. De plus, simplement choisir une action change l’apprentissage de sa conséquence. En conclusion, l’agentivité et l’apprentissage par renforcement, deux piliers de la psychologie humaine, sont fortement liés. Contrairement à des ordinateurs, les humains veulent être en contrôle, et faire les bons choix, ce qui biaise notre aquisition d’information. / Sense of agency or subjective control can be defined by the feeling that we control our actions, and through them effects in the outside world. This cluster of experiences depend on the ability to learn action-outcome contingencies and a more classical algorithm to model this originates in the field of human reinforcementlearning. In this PhD thesis, we used the cognitive modeling approach to investigate further the interaction between perceived control and reinforcement learning. First, we saw that participants undergoing a reinforcement-learning task experienced higher agency; this influence of reinforcement learning on agency comes as no surprise, because reinforcement learning relies on linking a voluntary action and its outcome. But our results also suggest that agency influences reinforcement learning in two ways. We found that people learn actionoutcome contingencies based on a default assumption: their actions make a difference to the world. Finally, we also found that the mere fact of choosing freely shapes the learning processes following that decision. Our general conclusion is that agency and reinforcement learning, two fundamental fields of human psychology, are deeply intertwined. Contrary to machines, humans do care about being in control, or about making the right choice, and this results in integrating information in a one-sided way.

Le principali anomalie evidenziate nelle nocciole avariate riguardano la presenza di macchie necrotiche, imbrunimenti interni rilevati inseguito al taglio dei frutti e la presenza di marciumi parziali o totali su di essi con conseguente riduzione del prodotto disponibile sul mercato e ingenti perdite economiche. Sulla base di quanto premesso, lo scopo principale di questa tesi è stato quello di identificare e caratterizzare l'agente causale/i dei difetti del nocciolo e di definire un protocollo di gestione del problema, secondo i principi IPM. È stata quantificata l'incidenza dei generi fungini isolati da nocciole provenienti da diverse aree geografiche (Caucaso e Turchia), raccolte in diversi anni e in diverse fasi di crescita della coltura. Diaporthe è stato identificato come il principale genere fungino associato ai difetti della nocciola, e la caratterizzazione molecolare ha confermato il ruolo predominante della specie D. eres. Sono state studiate le caratteristiche ecologiche di questo fungo e l'efficacia in vitro di fungicidi chimici e biologici per controllarne la crescita miceliale, lo sviluppo di picnidi e la formazione di cirri. I risultati ottenuti costituiscono una base per definire linee guida per la corretta gestione della coltura al fine di prevenire la comparsa del patogeno identificato e delle difettosità nelle nocciole / Defects on hazelnuts are responsible for a significant reduction in the availability of high-quality hazelnuts with profound economic impacts. A reduction in the occurrence of defects, based on the identification of causal agents and on their control, is critical to improve the quality of raw nut products and reduce yield losses. Based on this background, the main aim of this thesis was to identify and characterize the causal agent/s of kernel defects in hazelnuts and to define a management protocol, according to IPM principles. Defects affecting hazelnuts are cause of brown spots on the kernel surface and darkening/browning inside the kernel, visible after nuts are half-cut. The incidence of fungal genera in hazelnuts coming from different geographical areas (Caucasus and Turkey), collected in different years at different crop growth stages, was quantified. Diaporthe was identified as the main genus involved in hazelnut defects, and the molecular characterization confirmed the predominant role of D. eres. Its ecological needs were investigated, and the in vitro efficacy of chemical and biological fungicide were screened to control D. eres growth, pycnidial conidiomata development and cirrhi occurrence. This would be an essential tool for a sustainable crop protection approach in this economically important crop

Dans ce mémoire par articles, nous nous intéressons à l’apprentissage de modèles causaux à partir de données. L’intérêt de cette entreprise est d’obtenir une meilleure compréhension des données et de pouvoir prédire l’effet qu’aura un changement sur certaines variables d’un système étudié. Comme la découverte de liens causaux est fondamentale en sciences, les méthodes permettant l’apprentissage de modèles causaux peuvent avoir des applications dans une pléthore de domaines scientifiques, dont la génomique, la biologie et l’économie. Nous présentons deux nouvelles méthodes qui ont la particularité d’être des méthodes non-linéaires d’apprentissage de modèles causaux qui sont posées sous forme d’un problème d’optimisation continue sous contrainte. Auparavant, les méthodes d’apprentissage de mo- dèles causaux abordaient le problème de recherche de graphes en utilisant des stratégies de recherche voraces. Récemment, l’introduction d’une contrainte d’acyclicité a permis d’abor- der le problème différemment. Dans un premier article, nous présentons une de ces méthodes: GraN-DAG. Sous cer- taines hypothèses, GraN-DAG permet d’apprendre des graphes causaux à partir de données observationnelles. Depuis la publication du premier article, plusieurs méthodes alternatives ont été proposées par la communauté pour apprendre des graphes causaux en posant aussi le problème sous forme d’optimisation continue avec contrainte. Cependant, aucune de ces méthodes ne supportent les données interventionnelles. Pourtant, les interventions réduisent le problème d’identifiabilité et permettent donc l’utilisation d’architectures neuronales plus expressives. Dans le second article, nous présentons une autre méthode, DCDI, qui a la particularité de pouvoir utiliser des données avec différents types d’interventions. Comme le problème d’identifiabilité est moins important, une des deux instanciations de DCDI est un approximateur de densité universel. Pour les deux méthodes proposées, nous montrons que ces méthodes ont de très bonnes performances sur des données synthétiques et réelles comparativement aux méthodes traditionelles. / In this thesis by articles, we study the learning of causal models from data. The goal of this entreprise is to gain a better understanding of data and to be able to predict the effect of a change on some variables of a given system. Since discovering causal relationships is fundamental in science, causal structure learning methods have applications in many fields that range from genomics, biology, and economy. We present two new methods that have the particularity of being non-linear methods learning causal models casted as a continuous optimization problem subject to a constraint. Previously, causal strutural methods addressed this search problem by using greedy search heuristics. Recently, a new continuous acyclity constraint has allowed to address the problem differently. In the first article, we present one of these non-linear method: GraN-DAG. Under some assumptions, GraN-DAG can learn a causal graph from observational data. Since the publi- cation of this first article, several alternatives methods have been proposed by the community by using the same continuous-constrained optimization formulation. However, none of these methods support interventional data. Nevertheless, interventions reduce the identifiability problem and allow the use of more expressive neural architectures. In the second article, we present another method, DCDI, that has the particularity to leverage data with several kinds of interventions. Since the identifiabiliy issue is less severe, one of the two instantia- tions of DCDI is a universal density approximator. For both methods, we show that these methods have really good performances on synthetic and real-world tasks comparatively to other classical methods.

Juger est un processus particulièrement ardu. Malgré le cadre légal, le cerveau humain est soumis à de nombreuses influences. Il recueille, consciemment ou non, des informations de provenances variées lorsqu’il est face à une situation. De nombreux travaux ont mis en évidence des influences externes aux faits, comme la beauté du prévenu, l’aspect horrible des preuves ou les caractéristiques physiques des noirs par rapport aux blancs, qui influenceraient les jurys populaires aux Etats-Unis. En revanche, peu de travaux se sont intéressés aux émotions du prévenu et à l’influence qu’elles pourraient avoir sur les juges. Dans cette optique, deux chercheurs de l’Université libre de Bruxelles, Christophe Leys et Laurent Licata, ont étudié l’influence de la perception de la culpabilité, en tant qu’émotion, sur le jugement pénal.<p><p>Ils ont accepté de résumer pour Justice-en-ligne le fruit de leurs recherches.<p><p>Le sentiment de culpabilité est essentiel dans le cadre d’un jugement parce qu’il induit celui qui la ressent à réparer son tort, que ce soit symboliquement, par des excuses, ou concrètement par des actes, comme le remboursement des dommages occasionnés.<p><p>Une première étude a montré qu’un prévenu, pris en flagrant délit, se sentant coupable sera moins sévèrement condamné que s’il ne se sent pas coupable, car il est perçu comme plus sociable, que son délit a tendance à être attribué à des circonstances externes, et qu’il semble moins susceptible de récidiver. Dans une seconde approche nous avons voulu savoir si l’influence des sentiments de culpabilité et de colère était la même en fonction de l’origine ethnique du prévenu, belge ou maghrébine. Lorsque l’on teste la présence ou l’absence de culpabilité et de colère, on obtient quatre comportements possibles du prévenu, qui peut :<p><p> se sentir coupable et ne pas être en colère ;<p> se sentir coupable et être en colère ;<p> ne pas se sentir coupable ni être en colère ;<p> ne pas se sentir coupable et être en colère.<p><p>Le premier et le dernier comportement sont attendus :la culpabilité va de pair avec une absence de colère et inversement. Par contre, la présence conjointe de culpabilité et de colère, ou l’absence de culpabilité et de colère sont des comportements surprenants. Dans le cas d’un prévenu belge, les comportements attendus conduisent à une sanction sévère, alors que les comportements surprenants conduisent à une peine plus modérée. Paradoxalement, exprimer de la culpabilité et pas de colère n’est donc pas une stratégie payante pour le prévenu car elle revient à reconnaître les faits sans évoquer de circonstances atténuantes. En revanche, un prévenu qui se sent coupable mais qui est en colère contre la société induit l’idée qu’il a compris sa transgression, mais que des circonstances atténuantes l’excusent partiellement.<p><p>Dans le cas d’un prévenu maghrébin, la situation diffère légèrement. Les Maghrébins souffrent de deux stéréotypes culturels (c’est-à-dire des croyances répandues dans la société à propos de leur groupe) négatifs à propos de ces émotions :ils sont perçus comme se mettant facilement en colère et comme se sentant rarement coupables. Il semble que les participants soient influencés, consciemment ou non, par ces stéréotypes. La condition cohérente, qui joint l’absence de culpabilité à la présence de colère conduit, comme pour le prévenu belge, à une peine sévère. Rien d’illogique :si un prévenu ne se sent pas coupable et de plus se rebelle, il ne doit pas s’attendre à de la clémence. Par contre, les deux conditions inattendues qui mènent à une peine moins sévère au prévenu belge n’ont pas cet effet chez le prévenu maghrébin. Tout se passe comme si, dès qu’il agit en accord avec ne fût-ce qu’un des stéréotypes négatifs de son groupe, il est puni sévèrement. Dès lors, s’il ressent de la colère ou qu’il ne se sent pas coupable, la peine est sévère. Par contre, lorsqu’il contredit ces stéréotypes, qu’il se sent coupable et n’est pas en colère, il est moins sévèrement puni. De toutes les conditions, Belges et Maghrébins confondus, c’est la situation qui conduit à la peine la plus basse. Il semble que, pour les prévenus maghrébins, les participants ne se soient pas tant centrés sur l’attribution de facteurs externes que sur une autre dimension, non pertinente chez un prévenu belge :le niveau d’intégration à la culture belge. Un maghrébin qui se sent coupable et n’est pas en colère est perçu comme bien intégré à la culture belge et moins condamné.<p><p>Peut-on parler de discrimination ?<p><p>Dans l’état actuel des recherches, il n’est pas question de discrimination, mais bien de raisonnements différents. Pour pouvoir invoquer la discrimination, il faudrait mettre en évidence plusieurs éléments :d’une part, ces études concernent essentiellement un échantillon de personnes qui ne sont pas magistrats, bien qu’une partie de l’échantillon était formée au droit. Même si aucune différence n’a été observée entre cet échantillon et le reste des participants, formés à d’autres disciplines que le droit, il se peut que les magistrats aient développé, par l’expérience, des stratégies de contrôle de ces effets.<p><p>D’autre part, la peine dépend avant tout du comportement émotionnel ;dès lors, si l’on imagine une situation dans laquelle tous les prévenus réagissent sans se sentir coupables et en étant en colère, la peine sera uniformément sévère quelle que soit l’origine. Par contre, si tous les prévenus réagissaient en se sentant coupables et en n’étant pas en colère, nos études sugèrent que ce sont les prévenus belges qui seraient discriminés. Les prévenus maghrébins seraient également discriminés si, par exemple, tous les prévenus réagissaient de manière inattendue. Mais nous n’avons que peu d’informations sur ces comportements lors des procès.<p><p>Quelques données supplémentaires<p><p>Outre les expériences, quelques observations de terrain ont soulevé des points qui peuvent alimenter le débat. Trois approches ont été réalisées :l’observation de procès, l’entretien avec des ex-détenus et l’entretien avec des magistrats. Les deux premières visaient avant tout à investiguer la gestion des émotions en fonction de l’origine culturelle. Les prévenus d’origine maghrébine ont-ils tendance à se sentir plus ou moins coupables que les prévenus d’origine belge ?Existe-t-il des différences culturelles quant aux normes relatives à la présentation d’excuses lorsque l’on a commis un délit ?Tous les prévenus ont-ils les moyens d’observer des rituels d’excuses complexes ?<p><p>L’observation de nombreux procès révèle une corrélation très forte entre les aptitudes linguistiques perçues du prévenu et sa tendance à présenter des excuses. Plus un prévenu éprouve des difficultés à s’exprimer en français, moins les stratégies d’excuses seront utilisées. A l’inverse, les Belges semblent s’excuser plus souvent, presque systématiquement même, dès lors qu’ils ne nient pas les faits.<p><p>Les ex-détenus, indépendamment de leur origine, ne se sentent a priori jamais coupables des délits qui leur ont été reprochés. Par contre, certains disent avoir présenté des excuses au tribunal. La culpabilité, lorsqu’elle était ressentie, concernait plutôt les conséquences du délit, comme les difficultés financières auxquelles étaient confrontées les familles des détenus, la violence imprévue durant les faits, ou encore, pour un cas, le délit lui-même (vente de stupéfiant) mais justifié par le fait que l’ex-détenu était toxicomane lors des faits. Il en ressort que, dans la plupart des cas, une justification morale avait déjà été trouvée lorsque les faits ont été commis, ce qui pose la question de l’intérêt d’un éventuel repentir et de l’impact qu’il faudrait lui donner sur la peine.<p><p>Les magistrats pensent pour la plupart qu’ils sont influencés par les émotions comme le seraient le commun des mortels. Seul un magistrat estime que l’expérience permet aux magistrats de maîtriser cet effet. Cependant, aucun ne peut quantifier l’importance de l’effet sur la peine. Certains l’estiment fort limité, d’autres plus important.<p><p>Conclusions<p><p>Ces recherches et observations posent les questions suivantes :doit-on prendre en compte, de manière contrôlée voire légiférée, l’effet des émotions comme la culpabilité sur la peine et, si oui, comment ?Dans certains pays, comme le Japon, les excuses ne peuvent pas être prises en compte. En effet, un prévenu s’excusera dans 99 % des cas, simplement parce que les normes de l’honneur l’imposent. Dès lors, alors que les excuses pourraient être interprétées comme un aveu de la transgression, elles ne sont pas autorisées car même un innocent pourrait s’excuser normativement. A quelles conclusions arriverions-nous si nous devions lever ce débat en Belgique ? / Doctorat en Sciences Psychologiques et de l'éducation / info:eu-repo/semantics/nonPublished

Une qualité de service uniforme pour les utilisateurs mobiles et une utilisation distribuée du spectre représentent les ingrédients clés des réseaux cellulaires de prochaine génération. Dans ce but, la coopération au niveau de la couche physique entre les nœuds de l’infrastructure et les nœuds du réseau sans fil a émergé comme une technique à fort potentiel. La coopération s’appuie sur les propriétés de diffusion du canal sans fil, c’est-à-dire que la même transmission peut être entendue par plusieurs nœuds, ouvrant ainsi la possibilité pour les nœuds de s’aider à transmettre les messages à leur destination finale. La coopération promet aussi d’offrir une façon nouvelle et intelligente de gérer les interférences, au lieu de simplement les ignorer et les traiter comme du bruit. Comprendre comment concevoir ces systèmes radio coopératifs, afin que les ressources disponibles soient pleinement utilisées, est d’une importance fondamentale. L’objectif de cette thèse est de mener une étude du point de vue de la théorie de l’information, pour des systèmes sans fil pertinents dans la pratique, où les nœuds de l’infrastructure coopèrent en essayant d’améliorer les performances du réseau. Les systèmes radio avec des relais semi-duplex ainsi que les scénarios où une station de base aide à servir les utilisateurs mobiles associés à une autre station de base, sont les réseaux sans fil coopératifs étudiés dans cette thèse. Le but principal est la progression vers la caractérisation de la capacité de ces systèmes sans fil au moyen de dérivation de nouvelles bornes supérieures pour les performances et la conception de nouvelles stratégies de transmission permettant de les atteindre. / A uniform mobile user quality of service and a distributed use of the spectrum represent the key-ingredients for next generation cellular networks. Toward this end, physical layer cooperation among the network infrastructure and the wireless nodes has emerged as a potential technique. Cooperation leverages the broadcast nature of the wireless medium, that is, the same transmission can be heard by multiple nodes, thus opening up the possibility that nodes help one another to convey the messages to their intended destination. Cooperation also promises to offer novel and smart ways to manage interference, instead of just simply disregarding it and treating it as noise. Understanding how to properly design such cooperative wireless systems so that the available resources are fully utilized is of fundamental importance.The objective of this thesis is to conduct an information theoretic study on practically relevant wireless systems where the network infrastructure nodes cooperate among themselves in an attempt to enhance the network performance in many critical aspects, such as throughput, robustness and coverage. Wireless systems with half-duplex relay stations as well as scenarios where a base station overhears another base station and consequently helps serving this other base station's associated mobile users, represent the wireless cooperative networks under investigation in this thesis. The prior focus is to make progress towards characterizing the capacity of such wireless systems by means of derivation of novel outer bounds and design of new provably optimal transmission strategies.

L'intérêt en apprentissage machine pour étudier la causalité s'est considérablement accru ces dernières années. Cette approche est cependant encore peu répandue dans le domaine de l’intelligence artificielle (IA) et du droit. Elle devrait l'être. L'approche associative actuelle d’apprentissage machine révèle certaines limites que l'analyse causale peut surmonter. Cette thèse vise à découvrir si les modèles causaux peuvent être utilisés en IA et droit. Nous procédons à une brève revue sur le raisonnement et la causalité en science et en droit. Traditionnellement, les cadres normatifs du raisonnement étaient la logique et la rationalité, mais la théorie duale démontre que la prise de décision humaine dépend de nombreux facteurs qui défient la rationalité. À ce titre, des statistiques et des probabilités étaient nécessaires pour améliorer la prédiction des résultats décisionnels. En droit, les cadres de causalité ont été définis par des décisions historiques, mais la plupart des modèles d’aujourd’hui de l'IA et droit n'impliquent pas d'analyse causale. Nous fournissons un bref résumé de ces modèles, puis appliquons le langage structurel de Judea Pearl et les définitions Halpern-Pearl de la causalité pour modéliser quelques décisions juridiques canadiennes qui impliquent la causalité. Les résultats suggèrent qu'il est non seulement possible d'utiliser des modèles de causalité formels pour décrire les décisions juridiques, mais également utile car un schéma uniforme élimine l'ambiguïté. De plus, les cadres de causalité sont utiles pour promouvoir la responsabilisation et minimiser les biais. / The machine learning community’s interest in causality has significantly increased in recent years. This trend has not yet been made popular in AI & Law. It should be because the current associative ML approach reveals certain limitations that causal analysis may overcome. This research paper aims to discover whether formal causal frameworks can be used in AI & Law. We proceed with a brief account of scholarship on reasoning and causality in science and in law. Traditionally, normative frameworks for reasoning have been logic and rationality, but the dual theory has shown that human decision-making depends on many factors that defy rationality. As such, statistics and probability were called for to improve the prediction of decisional outcomes. In law, causal frameworks have been defined by landmark decisions but most of the AI & Law models today do not involve causal analysis. We provide a brief summary of these models and then attempt to apply Judea Pearl’s structural language and the Halpern-Pearl definitions of actual causality to model a few Canadian legal decisions that involve causality. Results suggest that it is not only possible to use formal causal models to describe legal decisions, but also useful because a uniform schema eliminates ambiguity. Also, causal frameworks are helpful in promoting accountability and minimizing biases.

La randomisation mendélienne est une méthode d’instrumentation utilisant des instruments de nature génétique afin d’estimer, via par exemple la régression des moindres carrés en deux étapes, une relation de causalité entre un facteur d’exposition et une réponse lorsque celle-ci est confondue par une ou plusieurs variables de confusion non mesurées. La randomisation mendélienne est en mesure de gérer le biais de confusion à condition que les instruments utilisés soient valides, c’est-à-dire qu’ils respectent trois hypothèses clés. On peut généralement se convaincre que deux des trois hypothèses sont satisfaites alors qu’un phénomène génétique, la pléiotropie, peut parfois rendre la troisième hypothèse invalide. En présence d’invalidité, l’estimation de l’effet causal de l’exposition sur la réponse peut être sévèrement biaisée. Afin d’évaluer la potentielle présence d’invalidité lorsqu’un seul instrument est utilisé, Glymour et al. (2012) ont proposé une méthode qu’on dénomme ici l’approche de la différence simple qui utilise le signe de la différence entre l’estimateur des moindres carrés ordinaires de la réponse sur l’exposition et l’estimateur des moindres carrés en deux étapes calculé à partir de l’instrument pour juger de l’invalidité de l’instrument. Ce mémoire introduit trois méthodes qui s’inspirent de cette approche, mais qui sont applicables à la randomisation mendélienne à instruments multiples. D’abord, on introduit l’approche de la différence globale, une simple généralisation de l’approche de la différence simple au cas des instruments multiples qui a comme objectif de détecter si un ou plusieurs instruments utilisés sont invalides. Ensuite, on introduit les approches des différences individuelles et des différences groupées, deux méthodes qui généralisent les outils de détection de l’invalidité de l’approche de la différence simple afin d’identifier des instruments potentiellement problématiques et proposent une nouvelle estimation de l’effet causal de l’exposition sur la réponse. L’évaluation des méthodes passe par une étude théorique de l’impact de l’invalidité sur la convergence des estimateurs des moindres carrés ordinaires et des moindres carrés en deux étapes et une simulation qui compare la précision des estimateurs résultant des différentes méthodes et leur capacité à détecter l’invalidité des instruments. / Mendelian randomization is an instrumentation method that uses genetic instruments to estimate, via two-stage least squares regression for example, a causal relationship between an exposure and an outcome when the relationship is confounded by one or more unmeasured confounders. Mendelian randomization can handle confounding bias provided that the instruments are valid, i.e., that they meet three key assumptions. While two of the three assumptions can usually be satisfied, the third assumption is often invalidated by a genetic phenomenon called pleiotropy. In the presence of invalid instruments, the estimate of the causal effect of exposure on the outcome may be severely biased. To assess the potential presence of an invalid instrument in single-instrument studies, Glymour et al. (2012) proposed a method, hereinafter referred to as the simple difference approach, which uses the sign of the difference between the ordinary least squares estimator of the outcome on the exposure and the two-stage least squares estimator calculated using the instrument. Based on this approach, we introduce three methods applicable to Mendelian randomization with multiple instruments. The first method is the global difference approach and corresponds to a simple generalization of the simple difference approach to the case of multiple instruments that aims to detect whether one or more instruments are invalid. Next, we introduce the individual differences and the grouped differences approaches, two methods that generalize the simple difference approach to identify potentially invalid instruments and provide new estimates of the causal effect of the exposure on the outcome. The methods are evaluated using a theoretical investigation of the impact that invalid instruments have on the convergence of the ordinary least squares and two-stage least squares estimators as well as with a simulation study that compares the accuracy of the respective estimators and the ability of the corresponding methods to detect invalid instruments.

Les essais cliniques randomisés (ECRs) constituent la meilleure solution pour obtenir des effets causaux et évaluer l’efficacité des médicaments. Toutefois, vu qu’ils ne sont pas toujours réalisables, les bases de données administratives servent de solution de remplacement. Le sujet principal de cette thèse peut être divisée en deux parties, le tout, repartie en trois articles. La première partie de cette thèse traite de l’utilisation des estimateurs doublement robustes en inférence causale sur des bases de données administratives avec intégration des méthodes d’apprentissage automatique. Nous pouvons citer, par exemple, l’estimateur par maximum de vraisemblance ciblé (TMLE) et l’estimateur par augmentation de l’inverse de la probabilité de traitement (AIPTW). Ces méthodes sont de plus en plus utilisées en pharmaco-épidémiologie pour l’estimation des paramètres causaux, comme l’effet moyen du traitement. Dans la deuxième partie de cette thèse, nous développons un estimateur doublement robuste pour les données administratives et nous étendons une méthode existante pour l’ajustement du biais de sélection utilisant un échantillon probabiliste de référence. Le premier manuscrit de cette thèse présente un outil de diagnostic pour les analystes lors de l’utilisation des méthodes doublement robustes. Ce manuscrit démontre à l’aide d’une étude de simulation l’impact de l’estimation du score de propension par des méthodes flexibles sur l’effet moyen du traitement, et ce, en absence de positivité pratique. L’article propose un outil capable de diagnostiquer l’instabilité de l’estimateur en absence de positivité pratique et présente une application sur les médicaments contre l’asthme durant la grossesse. Le deuxième manuscrit présente une procédure de sélection de modificateurs d’effet et d’estimation de l’effet conditionnel. En effet, cet article utilise une procédure de régularisation en deux étapes et peut être appliqué sur plusieurs logiciels standards. Finalement, il présente une application sur les médicaments contre l’asthme durant la grossesse. Le dernier manuscrit développe une méthodologie pour ajuster un biais de sélection dans une base de données administratives dans le but d’estimer une moyenne d’une population, et ce, en présence d’un échantillon probabiliste provenant de la même population avec des co-variables communes. En utilisant une méthode de régularisation, il montre qu’il est possible de sélectionner statistiquement les bonnes variables à ajuster dans le but de réduire l’erreur quadratique moyenne et la variance. Cet article décrit ensuite une application sur l’impact de la COVID-19 sur les Canadiens. / Randomized clinical trials (RCTs) are the gold standard for establishing causal effects and evaluating drug efficacy. However, RCTs are not always feasible and the usage of administrative data for the estimation of a causal parameter is an alternative solution. The main subject of this thesis can be divided into two parts, the whole comprised of three articles. The first part studies the usage of doubly robust estimators in causal inference using administrative data and machine learning. Examples of doubly robust estimators are Targeted Maximum Likelihood Estimation (TMLE; [73]) and Augmented Inverse Probability of Treatment Weighting (AIPTW; [51]). These methods are more and more present in pharmacoepidemiology [65, 102, 86, 7, 37]. In the second part of this thesis, we develop a doubly robust estimator and extend an existing one [121] for the setting of administrative data with a supplemental probability sample. The first paper of this thesis proposes a diagnostic tool that uses re-sampling methods to identify instability in doubly robust estimators when using data-adaptive methods in the presence of near practical positivity violations. It demonstrates the impact of machine learning methods for propensity score estimation when near practical positivity violations are induced. It then describes an analysis of asthma medication during pregnancy. The second manuscript develops a methodology to statistically select effect modifying variables using a two stage procedure in the context of a single time point exposure. It then describes an analysis of asthma medication during pregnancy. The third manuscript describes the development of a variable selection procedure using penalization for combining a nonprobability and probability sample in order to adjust for selection bias. It shows that we can statistically select the right subset of the variables when the true propensity score model is sparse. It demonstrates the benefit in terms of mean squared error and presents an application of the impact of COVID-19 on Canadians.

La majorité des femmes ayant été traitées pour un cancer du sein sont physiquement inactives alors que l’activité physique (AP) pourrait atténuer les conséquences néfastes du cancer et des traitements. Le soutien à l’autonomie par les professionnels de la santé peut améliorer l’adhésion et le maintien de l’AP. Or, peu d’études portent sur les populations en cancer et la plupart utilisent des devis qui limitent l’inférence causale. L’objectif du présent mémoire est de déterminer, à l’aide d’une approche en inférence causale, si la perception du soutien à l’autonomie (PSA) par des professionnels de la santé est associée à l’AP d’intensités légère, modérée et vigoureuse chez des femmes ayant été traitées pour un cancer du sein. Les données ont été collectées dans le cadre de l’étude longitudinale « Life After Breast Cancer : Moving On » (n=199). La PSA a été mesurée par le questionnaire Healthcare Climate Questionnaire. L’AP a été mesurée à l’aide d’accéléromètres triaxiaux GT3X. L’association entre la PSA et l’AP a été estimée à l’aide régressions linéaires et les estimations ajustées ont été obtenues par pondération par l’inverse de la probabilité de traitement (IPTW). Les résultats montrent l’absence d’associations entre la PSA et l’AP d’intensités légère (β^(95%IC) = -0,09 (-0,68 ; 0,49)), modérée (β^(95%IC) = -0,03 (-0,17 ; 0,11)) ou vigoureuse (β^(95%IC) = 0,00 (-0,03 ; 0,02)). D’autres formes de soutien à l’AP par les professionnels de la santé pourraient être envisagées pour encourager les femmes ayant été traitées pour un cancer du sein à adopter et maintenir une pratique régulière d’AP. / The majority of women that have been treated for breast cancer are physically inactive although physical activity (PA) could attenuate some of the adverse consequences of cancer and treatment. Autonomy support from health care professionals may improve PA adherence and maintenance. However, few studies on this topic focus on people treated for cancer and most use designs that limit causal inference. This master’s thesis aimed to determine, using a causal inference approach, whether or not perceived autonomy support (PAS) from health care professionals is associated with light, moderate, and vigorous intensity PA among women treated for breast cancer. Data were from the longitudinal study “Life After Breast Cancer: Moving On” (n=199). PAS was measured with the Healthcare Climate Questionnaire. PA was measured using the GT3X triaxial accelerometers. Associations between PAS and PA were estimated with linear regressions and adjusted estimations were obtained using propensity score-based inverse probability of treatment weights (IPTW). Results reveal no association between PAS and PA of light (β^(95%CI) = -0.09 (-0.68, 0.49)), moderate (β^(95%CI) = -0.03 (-0.17, 0.11)), or vigorous (β^(95%CI) = 0.00 (-0.03, 0.02)) intensity. Other forms of support for PA by health care professionals could be examined to encourage women to adopt and maintain regular PA.

Les analyses effectuées dans le cadre de ce mémoire ont été réalisées à l'aide du module MatchIt disponible sous l’environnent d'analyse statistique R. / Statistical analyzes of this thesis were performed using the MatchIt package available in the statistical analysis environment R. / L’estimation sans biais de l’effet causal d’une intervention nécessite la comparaison de deux groupes homogènes. Il est rare qu’une étude observationnelle dispose de groupes comparables et même une étude expérimentale peut se retrouver avec des groupes non comparables. Les chercheurs ont alors recours à des techniques de correction afin de rendre les deux groupes aussi semblables que possible. Le problème consiste alors à choisir la méthode de correction appropriée. En ce qui nous concerne, nous limiterons nos recherches à une famille de méthodes dites d’appariement. Il est reconnu que ce qui importe lors d’un appariement est l’équilibre des deux groupes sur les caractéristiques retenues. Autrement dit, il faut que les variables soient distribuées de façon similaire dans les deux groupes. Avant même de considérer la distribution des variables entre les deux groupes, il est nécessaire de savoir si les données en question permettent une inférence causale. Afin de présenter le problème de façon rigoureuse, le modèle causal contrefactuel sera exposé. Par la suite, les propriétés formelles de trois méthodes d’appariement seront présentées. Ces méthodes sont l’appariement par la distance de Mahalanobis, de l’appariement par le score de propension et de l’appariement génétique. Le choix de la technique d’appariement appropriée reposera sur quatre critères empiriques dont le plus important est la différence des moyennes standardisées. Les résultats obtenus à l’aide des données de l’Enquête longitudinale et expérimentale de Montréal (ÉLEM) indiquent que des trois techniques d’appariement, l’appariement génétique est celui qui équilibre mieux les variables entre les groupes sur tous les critères retenus. L’estimation de l’effet de l’intervention varie sensiblement d’une technique à l’autre, bien que dans tous les cas cet effet est non significatif. Ainsi, le choix d’une technique d’appariement influence l’estimation de l’effet d’une intervention. Il est donc impérieux de choisir la technique qui permet d’obtenir un équilibre optimal des variables selon les données à la disposition du chercheur. / The unbiased estimate of the causal effect of an intervention requires the comparison of two homogeneous groups. It is rare that an observational study has comparable groups and even an experiment may end up with non-comparable groups. The researchers then used correction techniques to make the two groups as similar as possible. The problem then is to choose the appropriate correction method. In our case, we will restrict our research to a family of so-called matching methods. It is recognized that what matters in a match is the balance between the two groups on selected characteristics. In other words, it is necessary that the variables are distributed similarly in both groups. Even before considering the distribution of variables between the two groups, it is necessary to know whether the data in question allow for causal inference. To present the problem rigorously, the counterfactual causal model will be exposed. Thereafter, the formal properties of three matching methods will be presented. Those methods are the Mahalanobis matching, the propensity score matching and genetic matching. The choice of the appropriate matching technique is based on four empirical criteria which the most important is the standardized mean difference. Results obtained using data from the Montréal Longitudinal and Experimental Study indicate that of the three matching techniques, genetic matching is the one that better balance the variables between groups on all criteria. The estimate of the effect of intervention varies substantially from one technique to another, although in all cases this effect is non significant. Thus, the selection of a matching technique influences the estimation of the effect of an intervention. Therefore, it is imperative to choose the technique that provides an optimal balance of the variables based on data available to the researcher.