Nos travaux de recherche portent sur l'instrumentation de la lecture savante, lecture intensive dont le but est de produire un nouveau contenu qui réifie l'interprétation d'un corpus par un lecteur. Malgré l'émergence d'une culture numérique, le papier reste le support privilégié de cette pratique. Pour s'imposer, le numérique doit offrir plus que le papier. À la raison graphique introduite par ce dernier il doit offrir en plus sa raison computationnelle. Notre thèse postule que pour la réussite de l'exploitation de documents numériques dans une activité de lecture savante, le processus d'informatisation doit porter sur l'environnement du lecteur et non sur le document seul. Nous mobilisons les disciplines de l'ingénierie documentaire et de l'ingénierie des connaissances pour démontrer qu'avec ce positionnement il est possible aujourd'hui de produire des dispositifs logiciels répondant aux critiques des documents numériques et offrant une objectivation et une appropriation inédites.

Le sujet principal de cette thèse est l'extraction de connaissances dans les bases de données (ECBD). Plus précisément, nous avons étudié deux des plus importantes tâches d'ECBD actuelles, qui sont l'extraction de motifs et la génération de règles d'association. Tout au long de notre travail, notre objectif a été de trouver des règles d'associations intéressantes selon plusieurs points de vue : dans un but de fouille efficace, pour réduire au minimum l'ensemble des règles extraites et pour trouver des unités de connaissances intelligibles (et facilement interprétables). Pour atteindre ce but, nous avons développé et adapté des algorithmes spécifiques. <br />Les contributions principales de cette thèse sont : <strong>(1)</strong> nous avons développé et adapté des algorithmes pour trouver les règles d'association minimales non-redondantes ; <strong>(2)</strong> nous avons défini une nouvelle base pour les règles d'associations appelée “règles fermées” ; <strong>(3)</strong> nous avons étudié un champ de l'ECBD important mais relativement peu étudié, à savoir l'extraction des motifs rares et des règles d'association rares ; <strong>(4)</strong> nous avons regroupé nos algorithmes et une collection d'autres algorithmes ainsi que d'autres opérations auxiliaires d'ECBD dans une boîte à outils logicielle appelée Coron.

La thèse s'intéresse à trois problèmes de modélisation non-linéaire : la classification (ou reconnaissance de formes), la régression (ou approximation de fonctions) et l'identification de systèmes hybrides. Parmi les approches existantes dans la littérature, les machines à vecteurs de support (Support Vector Machines, SVMs) fournissent un cadre général pour la classification et la régression non-linéaires. Ces méthodes récentes, issues de la théorie de l'apprentissage statistique, permettent d'obtenir des modèles boîtes noires, conduisant à de bonnes performances en généralisation, par optimisation convexe. L'étude se concentre dans un premier temps sur l'évolution de ces modèles vers des modèles de type boîte grise, permettant de bénéficier à la fois de la capacité d'approximation universelle des modèles boîtes noires et de connaissances disponibles a priori. Dans ce cadre, la thèse propose une approche générale, permettant d'inclure un grand nombre de connaissances diverses dans l'apprentissage SVM pour la régression, tout en conservant un apprentissage par optimisation convexe. La dernière partie de la thèse propose ensuite d'étendre les SVMs à l'identification de systèmes hybrides (systèmes commutant entre plusieurs modes de fonctionnement). Dans ce contexte, les problèmes de classification et de régression sont liés de manière indissociable. Une méthode basée sur l'optimisation non-convexe est proposée pour résoudre simultanément ces problèmes. Celle-ci permet notamment d'identifier des systèmes hybrides possédant des non-linéarités arbitraires et inconnues.

Cette thèse se place dans le cadre du problème de la reconnaissance d'objets et plus généralement dans celui de la vision cognitive. L'approche proposée se décompose en trois phases principales:<br>Une phase d'acquisition de connaissances qui consiste à acquérir la connaissance d'un domaine d'application sous la forme d'une hiérarchie de classes d'objets et de sous-parties.<br>Il s'agit également de décrire ces classes du domaine en termes de concepts visuels (forme, texture, couleur, relations spatiales) fournis par une ontologie. Chaque concept visuel de cette ontologie étant associé à des descripteurs bas niveau, le fossé sémantique est réduit de manière conviviale pour un expert.<br>La phase d'apprentissage consiste, à partir d'images d'exemples segmentées et labellisées, à obtenir un ensemble de détecteurs de concepts visuels. Ces détecteurs sont obtenus par l'entrainement de Support Vector Machines avec les descripteurs numériques extraits dans les images d'exemples segmentées et labellisées par des concepts visuels.<br>La phase de catégorisation utilise la connaissance acquise ainsi que les détecteurs de concepts visuels obtenus lors de la phase d'apprentissage. La connaissance sert à générer des hypothèses qui doivent être vérifiées dans l'image à interpréter. Cette vérification consiste à détecter des concepts visuels dans l'image segmentée automatiquement. Le résultat de la catégorisation est exprimé en termes de classes du domaine mais aussi en termes de concepts visuels.<br>L'approche proposée a notamment été utilisée été utilisée pour l'indexation et la recherche sémantique d'images.

Cette thèse présente un modèle de base de données relationnel étendu : SHIVA, conçu pour permettre la mise en ouvre de bases de connaissances centrées objets. Le modèle SHIVA a été développé dans le cadre du projet SHIRKA : des bases de connaissances centrées objets et, un interpréteur de ce modèle sera utilisé pour écrire le système de gestion de bases de connaissances du système SHIRKA.<br /><br />Le premier chapitre est une description du système SHIRKA et de la représentation des connaissances centrée objets. Dans le deuxième chapitre, les principales extensions du mode relationnel sont exposées. Enfin, le troisième chapitre est consacré au modèle SHIVA.

On présente une méthodologie de réalisation de systèmes de CFAO à travers des logiciels mis en œuvre. Cette méthodologie s'appuie à titre d'exemple sur la modélisation bi et tri-dimensionnelle, dont une caractérisation mathématique est présentée. L'intérêt de l'association d'une bonne interactivité et de l'acquisition de connaissances par les systèmes est montrée. Une methode d'introduction de la CFAO dans les entreprises est montrée, methode qui a été effectivement utilisée dans plusieurs dizaines d'entreprises

Cette thèse concerne l'étude et la conception d'un système support d'apprentissage « entre pairs » dédié à la Formation Médicale Continue, basé sur des discussions entre médecins-apprenants à propos de cas cliniques. Ainsi, dans le système DIACOM (Discussions Interactives à bAse de Cas pour la fOrmation Médicale) les médecins décrivent, à distance, des cas issus de leur propre expérience. Un processus d'appariement des cas, qui illustrent des désaccords importants, est ensuite déclenché. Le système incite alors les auteurs des cas appariés à discuter, à distance et de façon asynchrone, d'où le nom de « forum » DIACOM. Le forum DIACOM a été expérimenté pour l'apprentissage à la prise en charge de la douleur chez l'enfant. Un modèle « générique » des cas (indépendant du domaine) et un modèle spécifique des appariements (dépendant du domaine) ont été élaborés, grâce notamment à un recueil d'expertise mené auprès d'un pédiatre spécialiste du domaine.

Dans le cadre du projet multidisciplinaire DocPatient (2002/2005), nous avons travaillé sur le dossier patient électronique hospitalier en collaboration avec un site pilote (le service de médecine néonatale et de réanimation pédiatrique polyvalente dirigé par le Docteur G. Krim du Centre Hospitalier Universitaire (CHU) d'Amiens) et un partenaire industriel (la société Uni-médecine). <br />Nous avons observé les pratiques des professionnels de santé avec les documents papier et numériques. Ces derniers leur permettent de collaborer, de partager des connaissances sur les patients, sur leurs activités et de communiquer de manière asynchrone. On retrouve dans les documents papier de nombreuses annotations alors que sur support numérique cette fonctionnalité n'existe généralement pas. Nous avons donc étudié cette pratique et remarqué que les annotations sont elles aussi des supports essentiels à la collaboration des professionnels de santé, notamment pour la création et la maintenance d'une compréhension partagée des patients et d'une certaine conscience collective des activités du groupe. Finalement, notre mission dans le projet a consisté à comprendre pourquoi et comment les professionnels de santé annotent et à spécifier cette fonctionnalité sur support numérique.<br />Nous avons étudié les fonctionnalités des logiciels d'annotations existants, nous les avons comparées avec les pratiques d'annotations médicales papier, ce qui nous a permis de choisir un ensemble de fonctionnalités que nous avons implémentées dans une maquette, DocAnnot. Afin de valider nos réflexions, nous avons réalisé une évaluation de cette maquette dans notre site pilote. Nous avons ensuite construit un modèle conceptuel de l'activité d'annotations et de l'objet annotation. Nous avons cherché, pour finir, à abstraire ce modèle pour en proposer un qui est indépendant du domaine médical.

Ce travail de thèse porte sur la problématique d'extraction de connaissances à partir de textes, plus communément appelée la fouille de textes (FdT). Il s'articule autour des problèmes liés à l'analyse des textes, la fouille de textes proprement dite, et l'interprétation des éléments de connaissances extraits. Dans ce cadre, un système d'extraction des connaissances nécessaires pour analyser les textes en fonction de leur contenu est étudié et implanté. Les méthodes de fouille de données appliquées sont la recherche de motifs fréquents (avec l'algorithme Close) et l'extraction de règles d'association. Le mémoire s'attache à définir précisément le processus de fouille de textes et ses principales caractéristiques et propriétés en s'appuyant sur l'extraction de motifs fréquents et de règles d'association. En outre, une étude minutieuse d'un ensemble donné de mesures de qualité qu'il est possible d'attacher aux règles d'association est menée, toujours dans le cadre de la fouille de textes. Il est montré quel rôle ces mesures peuvent avoir sur la qualité et sur l'interprétation des règles extraites ; comment peuvent-elles influer sur la qualité globale du processus de fouille de textes.<br />L'utilisation d'un modèle de connaissances vient appuyer et surtout compléter cette première approche. Il est montré, par la définition d'une mesure de vraisemblance, l'intérêt de découvrir de nouvelles connaissances en écartant les connaissances déjà répertoriées et décrites par un modèle de connaissances du domaine. Les règles d'association peuvent donc être utilisées pour alimenter un modèle de connaissances terminologiques du domaine des textes choisi. La thèse inclut la réalisation d'un système appelé TAMIS : "Text Analysis by Mining Interesting ruleS" ainsi qu'une expérimentation et une validation sur des données réelles de résumés de textes en biologie moléculaire.

Le travail présenté dans cette thèse aborde les problèmes de gestion de l'évolution des schémas et des objets dans les systèmes à base de connaissances. Ce travail a été réalisé dans le cadre du système de représentation de connaissances objets SHOOD. Cette étude tente d'apporter des solutions aux problèmes d'extensibilité et de réutilisation des mécanismes d'évolution. Nous proposons un système d'évolution permettant la définition et la mise en ouvre de la dynamique. Cette mise en ouvre est réalisée par un ensemble de mécanismes tels que la classification d'instances et les règles actives ou règles ECA (Evenement,Condition, Action), ainsi qu'un ensemble d'opérations de manipulation : le support d'évolution. Nous proposons de même un mécanisme de règles et de stratégies d'évolution pour permettre une expression déclarative des contraintes d'évolution de structures ou de données. Le concepteur peut définir des stratégies pour regrouper ces contraintes. Suivant ses besoins, il peut faire cohabiter plusieurs stratégies, mais une seule sera active à un moment donné. Ce mécanisme de règles et de stratégies d'évolution est principalement développé en établissant une correspondance entre une règle d'évolution et plusieurs règles ECA, ainsi qu'une correspondance entre une stratégie et une base de règles ECA.