Les travaux présentés dans cette thèse concernent le phénomène de compensation mnésique.<br />Ce phénomène réfère à la réduction, voire l'annulation, d'une difficulté de mémorisation via<br />l'utilisation d'aides de mémoire. Nos investigations ont permis de préciser la nature des processus<br />cognitifs impliqués dans la compensation mnésique, en utilisant des expérimentations et<br />des simulations informatiques. Cette double approche a reposé principalement sur le modèle<br />de compensation de Bäckman et Dixon, le cadre de la mémoire défini par les niveaux de traitement<br />et le modèle formel Minerva 2. Concernant les phénomènes compensatoires, les résultats<br />obtenus mettent en avant la place centrale de l'adéquation entre les caractéristiques du sujet<br />et celles de la tâche et soulignent le rôle crucial des interactions entre les aides de mémoire,<br />afin de pallier la difficulté. L'ensemble des expérimentations et des simulations effectuées nous<br />a permis de proposer un modèle de compensation mnésique dans le cadre des niveaux de traitement.<br />Pour finir, les perspectives de notre travail sont positionnées dans le domaine de la<br />remédiation cognitive et des assistants informatiques à la mémorisation.

L'acquisition de la norme d'internalité reste, après 25 ans de recherches expérimentales, une problématique encore peu explorée. Pour tenter de répondre à cette difficile question, nous avons eu recours à une modélisation connexionniste simulant deux types d'apprentissage : un apprentissage par feedback explicatif et un apprentissage par feedback explicatif avec feedback évaluatif associé. Ces simulations nous ont permis de formuler les trois hypothèses suivantes : 1) Les connaissances relatives à la norme d'internalité ne sont pas issues uniquement de la valorisation des explications internes acquise dans les contextes les plus socialement utiles. 2) L'apprentissage par feedbacks explicatifs internes favorise la production d'explication interne en consigne standard. 3) L'apprentissage par feedbacks explicatifs avec feedbacks évaluatifs associés favorise la clairvoyance normative et le jugement normatif. Ces hypothèses ont ensuite été testées dans quatre études en recueillant les réponses des enfants de CM2, de leurs parents et de leur enseignant. Dans l'Etude 1, nous avons étudié l'influence de la valorisation de l'internalité par les agents de socialisation sur les explications internes choisies par l'enfant pour se faire bien voir. Ensuite, nous avons abordé l'influence des pratiques éducatives des parents et des pratiques pédagogiques des enseignants dans l'Etude 2. Les Etudes 3 et 4 ont exploré les réactions auto-rapportées des parents et de l'enseignant. Ces quatre recherches et les simulations connexionnistes associées nous ont amenés à mieux cerner les conditions dans lesquelles l'enfant apprend les connaissances relatives à la norme d'internalité

Les travaux de cette thèse portent sur la reconnaissance des indices textuels dans les images et les vidéos. Dans ce cadre, nous avons conçu des prototypes d'OCR (optical character recognition) capables de reconnaître tant des textes incrustés que des textes de scène acquis n'importe où au sein d'images ou de vidéos. Nous nous sommes intéressée à la définition d'approches robustes à la variabilité des textes et aux conditions d'acquisition. Plus précisément, nous avons proposé deux types de méthodes dédiées à la reconnaissance de texte : - une approche fondée sur une segmentation en caractères qui recherche des séparations non linéaires entre les caractères adaptées à la morphologie de ces derniers ; - deux approches se passant de la segmentation en intégrant un processus de scanning multi-échelles ; la première utilise un modèle de graphe pour reconnaître les textes tandis que la seconde intègre un modèle connexionniste récurrent spécifiquement développé pour gérer les contraintes spatiales entre les caractères.Outre les originalités de chacune des approches, deux contributions supplémentaires de ce travail résident dans la définition d'une reconnaissance de caractères fondée sur un modèle de classification neuronale et l'intégration de certaines connaissances linguistiques permettant de tirer profit du contexte lexical. Les différentes méthodes conçues ont été évaluées sur deux bases de documents : une base de textes incrustés dans des vidéos et une base publique de textes de scène. Les expérimentations ont permis de montrer la robustesse des approches et de comparer leurs performances à celles de l'état de l'art, mettant en évidence leurs avantages et leurs limites. / This thesis focuses on the recognition of textual clues in images and videos. In this context, OCR (optical character recognition) systems, able to recognize caption texts as well as natural scene texts captured anywhere in the environment have been designed. Novel approaches, robust to text variability (differentfonts, colors, sizes, etc.) and acquisition conditions (complex background, non uniform lighting, low resolution, etc.) have been proposed. In particular, two kinds of methods dedicated to text recognition are provided:- A segmentation-based approach that computes nonlinear separations between characters well adapted to the localmorphology of images;- Two segmentation-free approaches that integrate a multi-scale scanning scheme. The first one relies on a graph model, while the second one uses a particular connectionist recurrent model able to handle spatial constraints between characters.In addition to the originalities of each approach, two extra contributions of this work lie in the design of a character recognition method based on a neural classification model and the incorporation of some linguistic knowledge that enables to take into account the lexical context.The proposed OCR systems were tested and evaluated on two datasets: a caption texts video dataset and a natural scene texts dataset (namely the public database ICDAR 2003). Experiments have demonstrated the efficiency of our approaches and have permitted to compare their performances to those of state-of-the-art methods, highlighting their advantages and limits.

Plusieurs méthodes ont été développées par l'Intelligence Artificielle pour reproduire certains aspects de l'intelligence humaine. Ces méthodes permettent de simuler les processus de raisonnement en s'appuyant sur les connaissances de base disponibles. Chaque méthode comporte des points forts, mais aussi des limitations. La réalisation de systèmes hybrides est une démarche courante Qui permet de combiner les points forts de chaque approche, et d'obtenir ainsi des performances plus élevées ou un champ d'application plus large. Un autre aspect très important du développement des systèmes hybrides intelligents est leur capacité d'acquérir de nouvelles connaissances à partir de plusieurs sources différentes et de les faire évoluer. Dans cette thèse, nous avons développé des recherches sur les systèmes hybrides neuro-symboliques, et en particulier sur l'acquisition incrémentale de connaissances à partir de connaissances théoriques (règles) et empiriques (exemples). Un nouveau système hybride, nommé système INSS - Incremental Neuro-Symbolic System, a été étudié et réalisé. Ce système permet le transfert de connaissances déclaratives (règles symboliques) d'un module symbolique vers un module connexionniste (réseau de neurones artificiel - RNA) à travers un convertisseur de règles en réseau. Les connaissances du réseau ainsi obtenu sont affinées par un processus d'apprentissage à partir d'exemples. Ce raffinement se fait soit par ajout de nouvelles connaissances, soit par correction des incohérences, grâce à l'utilisation d'un réseau constructif de type Cascade-Correlation. Une méthode d'extraction incrémentale de règles a été intégrée au système INSS, ainsi que des algorithmes de validation des connaissances qui ont permis de mieux coupler les modules connexionniste et symbolique. Le système d'apprentissage automatique INSS a été conçu pour l'acquisition constructive (incrémentale) de connaissances. Le système a été testé sur plusieurs applications, en utilisant des problèmes académiques et des problèmes réels (diagnostic médical, modélisation cognitive et contrôle d'un robot autonome). Les résultats montrent que le système INSS a des performances supérieures et de nombreux avantages par rapport aux autres systèmes hybrides du même type.