Cette thèse propose la méthodologie de dimensionnement optimal pour optimiser la configuration de système d'énergie hybride. Pour cela, nous utilisons une approche pour la génération de base de règles floues et une optimisation automatiques au moyen d'algorithme génétique et d'un PSO adaptés avec le floue. Ces algorithmes nous permet d'obtenir le nombre optimal de panneaux photovoltaïques, d'éoliennes et des batteries, minimisant le coût total du système et garantissant la disponibilité permanente de l'électricité pour couvrir les besoins énergétiques. L'historique horaire de vitesse du vent, d’ensoleillement, sont utilisés pour modéliser la production des éoliennes, la production photovoltaïque et de charge. Le coût total est la fonction objective et la taille technique est une contrainte. / This thesis proposes the optimum sizing methodology to optimize the configuration of hybrid energy system. For this, we use an approach for automatic fuzzy rule base generation and optimization by means of Fuzzy-Adaptive Genetic Algorithm and fuzzy adaptive PSO. This Algorithms allows us to obtain the optimal number of photovoltaic panels, wind turbines and storages units, ensuring the minimal global high efficiency system total cost and guaranteeing the permanent availability of energy to cover the load energy requirements. Historical hourly wind speed, solar irradiance and load data are used to stochastically model the wind turbines, photovoltaic generation and load. The total cost is the objective function and the technical size is a constraint.

Développer des systèmes de culture respectant voire favorisant la biodiversité est un enjeu important pour les agronomes dans le contexte sociétal actuel. Pour ce faire, ceux-ci ont besoin de méthodes prédictives d’évaluation des effets des pratiques agricoles sur la biodiversité pour caractériser et évaluer les systèmes étudiés. Les écologues reconnaissent la nécessité d’aborder la biodiversité non seulement comme la richesse spécifique mais aussi par le biais des services écosystémiques qu’elle peut rendre à l’homme. Il existe de nombreuses propositions d’indicateurs de biodiversité mais ceux-ci reposent, soit sur des mesures de diversité au sein de groupes taxonomiques, soit sur des variables de pratiques et ne sont pas prédictifs. L’objectif de la thèse a été de concevoir un indicateur prédictif des effets des pratiques agricoles sur la biodiversité et ses services. Pour effectuer ce travail, nous avons choisi de nous baser sur la diversité floristique en bordure de champ et sur les services qui lui sont liés : la valeur patrimoniale, enjeu sociétal et la pollinisation, enjeu majeur pour l’agriculture. Nous avons structuré ce travail en trois étapes. En premier lieu, nous avons sélectionné les pratiques agricoles connues pour leurs effets combinés sur la biodiversité et ses services, identifié leurs natures et estimé l’ampleur de leurs effets à l'échelle de la bordure de champ. Dans une seconde étape, nous avons intégré par expertise la connaissance sur ces effets dans un modèle opérationnel.A la suite de ce travail de conception, nous avons évalué la sensibilité, et la qualité prédictive du modèle en le confrontant à un jeu de données mesurées sur le terrain dans le cadre de la thèse ou acquises dans le cadre d’autres travaux. Enfin, nous avons transformé les sorties du modèle (probabilité de présence pour 338 espèces) en un indicateur en les agrégeant en une valeur synthétique. Nous avons positionné ensuite celle-ci par rapport à des références que nous avons sélectionnées, et sur une échelle de notation lisible. Le développement de cet indicateur prédictif opérationnel permettra aux agronomes d’évaluer les effets positifs et négatifs des pratiques agricoles, et d’identifier des pratiques innovantes respectueuses de la biodiversité et de ses services. L’indicateur pourra être utilisé avec d’autres indicateurs environnementaux, économiques et sociaux dans la perspective de l’étude de la durabilité des exploitations agricoles en grandes cultures. / Developing cropping systems supporting biodiversity is an important goal for agronomists in the current context of society. To achieve this goal, they need predictive methods assessing the effect of cropping practices on biodiversity to characterize and evaluate cropping systems. Among ecologists, a growing agreement exists to address biodiversity not only as species richness but also as ecosystemic services. There are numerous proposals of biodiversity indicators but those are based on diversity measurement within taxonomic groups or on management variables, and are not predictive. The objective of the thesis is to design a predictive indicator to assess the effects of cropping practices on biodiversity and its services. To achieve this, we decided to address plant diversity and its associated services, conservation value, a stake for society, and pollination, important stake for agriculture. We structured the thesis in three steps. First we selected cropping practices having combined effects on biodiversity and its services, identified their nature and assess the range of their effects at the field margin scale. In a second step, we integrated by expertise, this knowledge in an operational model. Following the design, we evaluate the sensitivity and the predictive quality of the model by comparing model outputs with field measurements carried out during the thesis or outside. Last we transformed outputs of the model (in form of presence probability for 338 species) into an indicator by aggregating them into synthetic value. Then, this was calibrated to selected references values on a scale between 0 (unfavorable) and 10 (favorable) easy to understand. The development of this operational predictive indicator will enable agronomists to assess positive and negative effects of cropping practices and to identify innovative practices supporting biodiversity and its services. The indicator can be used with other environmental, economic, and social indicators to assess sustainability of arable farming systems

Dans les secteurs de l’automobile et l’aéronautique, l’interaction avec les écrans tactiles peut être rendue plus fiable par l’ajout d’un retour vibratoire (effet haptique) envoyé directement au doigt de l’utilisateur au moment du contact avec l’écran. Des patterns vibratoires complexes peuvent ainsi être créés afin d’améliorer la qualité de la sensation perçue et le plaisir de l’utilisation. Dans ce contexte, notre première contribution concerne l’analyse de patterns vibratoires à l’aide de la transformée en ondelettes continue du signal délivré par la dalle, afin d’extraire les caractéristiques les plus saillantes, choisies d’après une étude psychophysique du sens tactile, et qui sont en liaison avec la perception. A partir de ces caractéristiques, notre deuxième contribution s’articule autour d’un modèle psychophysique de la perception vibrotactile élaboré en utilisant des règles floues générées par une méthode originale étendant l’approche classique de Wang-Mendel. Le modèle prédit le niveau de confort induit par un pattern vibratoire en fonction de ses paramètres psychophysiques. Il présente de bonnes performances quantitatives. La connaissance ainsi obtenue a permis l’identification de plusieurs tendances comportementales importantes pour la perception vibrotactile comme l’effet de l’énergie et de la texture vibrotactile. La troisième contribution porte sur la conception d’un modèle ergonomique de la perception vibrotactile, en s’appuyant sur les évaluations d’un expert du domaine automobile. Suite aux bonnes performances obtenues, le modèle a été adapté avec succès pour le domaine aéronautique. Les résultats de cette thèse permettent ainsi d’aider les équipementiers en simplifiant la conception des effets haptiques adéquats, destinés à améliorer l’interaction avec les écrans tactiles / In the field of automotive and aeronautical industries, human interaction with touch interfaces can be improved by using vibratory feedback or haptic effects, directly delivered to the user finger upon screen interaction. This new approach, which pro-actively stimulates the tactile sense, provides a safer and reliable way to interact with touch interfaces. Moreover, complex vibrational patterns can be designed in order to offer unique tactile sensations and thus increase user’s quality of experience. In this context, our first contribution focuses on a time-frequency analysis of vibrational patterns using the continuous wavelet transform of the signal delivered by the interface, in order to extract its most salient features, chosen based on a psychophysical study of the tactile sense, and which account for human perception. Using these features, our second contribution is a psychophysical model of vibrotactile perception developed using fuzzy logic and an original rule-base extraction method extending the classical Wang-Mendel approach. This model predicts the perceived comfort induced by a vibratory pattern according to its psychophysical properties, and shows good performances. The knowledge retrieved allowed the detection of several behavioral paradigms of vibrotactile perception, such as the effect of energy and texture. Our third contribution is the development of an ergonomic model of vibrotactile perception based on the evaluations of an automobile expert. Thanks to its good performances, the model was successfully adapted to the aeronautics area.The results of this thesis provide assistance to equipment suppliers by simplifying the conception of haptic effects intended to improve human interaction with touch interfaces.

Nos travaux s'inscrivent dans le domaine des résumés linguistiques flous (RLF) qui permettent la génération de phrases en langage naturel, descriptives de données numériques, et offrent ainsi une vision synthétique et compréhensible de grandes masses d'information. Nous nous intéressons d'abord à l'interprétabilité des RLF, capitale pour fournir une vision simplement appréhendable de l'information à un utilisateur humain et complexe du fait de sa formulation linguistique. En plus des travaux existant à ce sujet sur les composants élémentaires des RLF, nous proposons une approche globale de l'interprétabilité des résumés vus comme un ensemble de phrases et nous intéressons plus spécifiquement à la question de leur cohérence. Afin de la garantir dans le cadre de la logique floue standard, nous introduisons une formalisation originale de l'opposition entre phrases de complexité croissante. Ce formalisme nous permet de démontrer que les propriétés de cohérence sont vérifiables par le choix d'un modèle de négation spécifique. D'autre part, nous proposons sur cette base un cube en 4 dimensions mettant en relation toutes les oppositions possibles entre les phrases d'un RLF et montrons que ce cube généralise plusieurs structures d'opposition logiques existantes. Nous considérons ensuite le cas de données sous forme de séries numériques et nous intéressons à des résumés linguistiques portant sur leur périodicité : les phrases que nous proposons indiquent à quel point une série est périodique et proposent une formulation linguistique appropriée de sa période. La méthode d’extraction proposée, nommée DPE pour Detection of Periodic Events, permet de segmenter les données de manière adaptative et sans paramètre utilisateur, en utilisant des outils issus de la morphologie mathématique. Ces segments sont ensuite utilisés pour calculer la période de la série temporelle ainsi que sa périodicité, calculée comme un degré de qualité sur le résultat renvoyé mesurant à quel point la série est périodique. Enfin, DPE génère des phrases comme « Environ toutes les 2 heures, l'afflux de client est important ». Des expériences sur des données artificielles et réelles confirment la pertinence de l'approche. D’un point de vue algorithmique, nous proposons une implémentation incrémentale et efficace de DPE, basée sur l’établissement de formules permettant le calcul de mises à jour des variables. Cette implémentation permet le passage à l'échelle de la méthode ainsi que l'analyse en temps réel de flux de données. Nous proposons également une extension de DPE basée sur le concept de périodicité locale permettant d'identifier les sous-séquences périodiques d'une série temporelle par l’utilisation d’un test statistique original. La méthode, validée sur des données artificielles et réelles, génère des phrases en langage naturel permettant d’extraire des informations du type « Toutes les deux semaines sur le premier semestre de l'année, les ventes sont élevées ». / Our research is in the field of fuzzy linguistic summaries (FLS) that allow to generate natural language sentences to describe very large amounts of numerical data, providing concise and intelligible views of these data. We first focus on the interpretability of FLS, crucial to provide end-users with an easily understandable text, but hard to achieve due to its linguistic form. Beyond existing works on that topic, based on the basic components of FLS, we propose a general approach for the interpretability of summaries, considering them globally as groups of sentences. We focus more specifically on their consistency. In order to guarantee it in the framework of standard fuzzy logic, we introduce a new model of oppositions between increasingly complex sentences. The model allows us to show that these consistency properties can be satisfied by selecting a specific negation approach. Moreover, based on this model, we design a 4-dimensional cube displaying all the possible oppositions between sentences in a FLS and show that it generalises several existing logical opposition structures. We then consider the case of data in the form of numerical series and focus on linguistic summaries about their periodicity: the sentences we propose indicate the extent to which the series are periodic and offer an appropriate linguistic expression of their periods. The proposed extraction method, called DPE, standing for Detection of Periodic Events, splits the data in an adaptive manner and without any prior information, using tools from mathematical morphology. The segments are then exploited to compute the period and the periodicity, measuring the quality of the estimation and the extent to which the series is periodic. Lastly, DPE returns descriptive sentences of the form ``Approximately every 2 hours, the customer arrival is important''. Experiments with artificial and real data show the relevance of the proposed DPE method. From an algorithmic point of view, we propose an incremental and efficient implementation of DPE, based on established update formulas. This implementation makes DPE scalable and allows it to process real-time streams of data. We also present an extension of DPE based on the local periodicity concept, allowing the identification of local periodic subsequences in a numerical series, using an original statistical test. The method validated on artificial and real data returns natural language sentences that extract information of the form ``Every two weeks during the first semester of the year, sales are high''.

Une grande d’attentions ont été accordée au cours des années récentes à l’étude de l'économie souterraine dans de nombreux pays développés et en voie de développement. Les conséquences et les implications politiques associées à cette partie ambiguë de l’économie ont suscité des inquiétudes parmi les économistes et les gouvernements qui ont été amenés à proposer diverses mesures et méthodes d’estimation. Il n’est cependant pas facile d’évaluer avec exactitude et précision la taille (l’ampleur) et la tendance de l’économie souterraine à cause de sa nature cachée (dissimulée, discrète). Néanmoins, certaines techniques ont été utilisées par les économistes pour estimer directement ou indirectement la taille de l’économie souterraine. Dans ce manuscrit de thèse, nous nous intéressons à l’économie souterraine comme un phénomène universel ayant une manifestation unique et incontournable sous forme d’activités à la fois légales et illégales. Le but principal de cette thèse est de proposer des « méthodes floues » (méthode de la logique floue) pour en mesurer la taille et la quantité. Dans un premier temps, nous avons construit un cadre conceptuel nous permettant d’étudier les spécificités de l’économie souterraine. Ensuite, de nombreuses (plusieurs, différentes…) méthodes communes d’estimation (méthodes en vigueur pour l’estimation) de l’économie souterraine ont été examinées. Les conditions de base de l’application du concept flou (de la logique floue) ainsi que les conditions initiales de l’économie souterraine ont été explorées (interrogées) pour voir si elles correspondent les unes aux autres (si elles font la paire, si elles sont cohérentes). Dès lors que la logique floue permet une modélisation rapide même avec des données imprécises et incomplètes et des fonctions non-linéaires d’une complexité arbitraire et d’atteindre la simplicité et la flexibilité, nous avons été encouragés à appliquer cette méthode. Trois méthodes floues ont été proposées pour évaluer l’économie souterraine sur la base des enquêtes initiales réalisées pendant la période 1985-2010, à savoir : la modélisation floue appliquant la moyenne et la variance, la modélisation floue appliquant le regroupement flou, la modélisation floue utilisant de multiples indicateurs et causes avec des données floues. En dernier lieu, la taille de l’économie souterraine a été mesurée pour la France, l’Allemagne, l’Italie, les Etats-Unis et le Canada. Les résultats issus de ces différentes méthodes floues ont ensuite été comparés avec ceux obtenus par d’autres méthodes conventionnelles. Il peut être affirmé que les méthodes proposées dans ce travail de recherche sont qualitativement comparables avec les méthodes couramment utilisées pour évaluer l’économie souterraine. / Much attention has been paid in recent years to the study of the underground economy in many developed and developing countries. The consequences and the policy implications linked with this ambiguous part of the economy have raised concerns among economists and governments that led to proposing various measures and estimation methods. It is not however easy to estimate accurately and precisely the size and trend of the underground economy due to its hidden nature. But, some techniques have been used by economists to directly and indirectly estimate the size of the underground economy.In this thesis, we have focused on the underground economy as a universal phenomenon having its unique and inescapable manifestation in the form of both legal and illegal activities. The main purpose of this thesis is to propose the fuzzy methods to measure the size and the amount of the underground economy.We first constructed a conceptual framework that allowed us to study the specifications of the underground economy. The common numerous estimation methods of the underground economy and their weaknesses and strengths were reviewed then. The basic conditions of applying the fuzzy concept and the initial conditions of the underground economy were investigated to see if they match. Since fuzzy modeling allows for rapid modeling even with imprecise and incomplete data and lets us to model non-linear functions of arbitrary complexity and achieve simplicity and flexibility, we were encouraged to apply fuzzy method.Two fuzzy methods were proposed to estimate the underground economy based on initial investigations during the period 1985-2010, including: the fuzzy modeling applying mean and standard deviation, the fuzzy modeling applying fuzzy clustering and Multiple Indicators and Multiple Causes (Structural Equation Modeling) with Fuzzy Data.Finally, the size of the underground economy was measured for France, Germany, Italy, USA and Canada and the results of these fuzzy methods were compared with other conventional methods. It can be claimed that the proposed methods in this work are qualitatively comparable to the common methods used to estimate the underground economy.

La présente thèse concerne la conception d’un outil d’aide à la décision, et s’intéresse tout particulièrementaux aspects relatifs à l’apprentissage et au diagnostic. Le premier objectif est de le rendrecapable de choisir le meilleur scénario pour le couple « date de semis »/ « type de semis » en fonctiondes caractéristiques des parcelles à diagnostiquer dans un objectif d’aide à la décision pour les agriculteurs.Le second concerne le diagnostic hydrique établi avant le début des irrigations en juin, au coursduquel il s’agit d’évaluer les besoins en eau d’irrigation des différents îlots de parcelles afin d’anticiperla demande et de répartir au mieux les quantités d’eau pourvue aux irrigants. L’apprentissage utilisela méthode de classification LAMDA qui est basée sur la logique floue. Afin de permettre la prise encompte optimale de tous les facteurs pouvant intervenir dans le rendement d’une parcelle, un nouveautype a été intégré à la méthode LAMDA, et les outils d’apprentissage ont été modélisés, implémentés,et testés de sorte à correspondre aux besoins spécifiques des deux parties du projet. Le nouveau type aété conçu pour être générique et permettre à la méthode LAMDA un traitement multicouche des donnéesd’apprentissage. Il autorise ainsi la gestion de données multidimensionnelles issues de contextesdifférents. Son efficacité a été évaluée sur les cas pratiques du projet MAISEO mais a vocation à pouvoirêtre appliqué à tous les autres domaines de recherche dans lesquels la classification multivariée peutêtre employée. / My thesis deals with the conception of a decision support tool, and particularly focuses on the aspectsrelative to machine learning and diagnosis. The first goal is to make it capable of selecting thebest scenario for the couple « date of sowing »/ « type of seed » taking in account the plots to diagnosecaracteristics with the aim of guiding the corn farmers practices. The second is goal is about the waterdiagnosis, set up in june, before the irrigation is started. This diagnosis aims at evaluating the waterneeds of large plots areas, with the purpose to anticipate demand and better allocate the water quantityprovided to the farmers. The LAMDA method has been chosen to realize the machine learning ; thisis a fuzzy logic based classification method. A new type of data has been integrated to the method toensure that the main factors that influence a plot yield are fully taken into account. In this process, themachine learning tools have been modelled, implemented, and tested in the order to correspond to thespecific needs of both parts of the project. The new type of data has been designed to be generic andallows a multilayer clustering to diagnose the complex systems. Multidimensional data coming fromvarious contexts are so able to be manage by the LAMDA method. The efficiency of this technique hasbeen assessed on the practical cases of the MAISEO project, but is intented to be apply to every researchfield in which the multivariate classification is used.

L'étude porte sur la gestion de la distribution instantanée de la puissance entre une pile à combustible et un élément de stockage afin d'assurer la puissance électrique nécessaire à la traction d'un véhicule électrique hybride. L'objectif visé est la minimisation de la consommation d'hydrogène sur un cycle donné. Le problème est formulé en tant que problème d'optimisation globale sous contraintes. Dans une première approche, le système est décrit sous forme d'une équation dynamique discrétisée et un algorithme de programmation dynamique est appliqué. Une seconde approche consiste à minimiser le hamiltonien après avoir approché le critère coût par une fonction polynomiale. Ces méthodes nécessitent la connaissance a priori du profil de puissance demandée et se classent parmi les méthodes d'optimisation hors ligne. Pour une gestion en ligne de l'énergie, nous avons appliqué un système de décision à base de règles floues. Les fonctions d'appartenance des entrées et sorties du système flou sont optimisés à l'aide d'un algorithme génétique. Afin d'appliquer les stratégies évoquées, un bilan énergétique du groupe électrogène formé de la pile et ses auxiliaires, de l'élément de stockage et des convertisseurs statiques est effectué.

Le secteur de la construction est considéré comme un des facteurs principaux qui affectent la dépense énergétique et les émissions des gaz à effet de serre. Dès lors, la valorisation de la qualité environnementale des bâtiments constitue une réponse importante aux enjeux du développement durable. Dans ce contexte, notre recherche aborde le problème de l'incertitude inhérente aux démarches HQE®, notamment dans l'évaluation de la qualité environnementale des bâtiments tertiaires. Notre étude s'appuie sur la théorie des possibilités qui présente des atouts intéressants au regard de notre problématique, notamment sa capacité à modéliser l'expertise humaine et la présentation simple et unique des incertitudes et des imprécisions sur la base d'un volume limité d'informations. Ce travail vise à associer une crédibilité à l'évaluation de la qualité environnementale du bâtiment en traitant des paramètres tant quantitatifs que qualitatifs. La modélisation des incertitudes permet aux concepteurs de mieux hiérarchiser les impacts des différents paramètres contribuant à l'amélioration de la qualité environnementale d'un bâtiment et d'identifier les informations qui nécessiteraient en priorité une instigation plus poussée afin de crédibiliser l'évaluation environnementale

Dans un monde où tous les appareils électro-ménagers se connectent et deviennent intelligents, il est apparu pour des industriels français le besoin de créer des fours de cuisson innovants capables de suivre l’état de cuisson à cœur de poissons et de viandes sans capteur au contact. Cette thèse se place dans ce contexte et se divise en deux grandes parties. La première est une phase de sélection d’attributs parmi un ensemble de mesures issues de capteurs spécifiques de laboratoire afin de permettre d’appliquer un algorithme de classification supervisée sur trois états de cuisson. Une méthode de sélection basée sur la logique floue a notamment été appliquée pour réduire grandement le nombre de variable à surveiller. La seconde partie concerne la phase de suivi de cuisson en ligne par plusieurs méthodes. Les techniques employées sont une approche par classification sur dix états à cœur, la résolution d’équation de la chaleur discrétisée, ainsi que le développement d’un capteur logiciel basé sur des réseaux de neurones artificiels synthétisés à partir d’expériences de cuisson, pour réaliser la reconstruction du signal de la température au cœur des aliments à partir de mesures disponibles en ligne. Ces algorithmes ont été implantés sur microcontrôleur équipant une version prototype d’un nouveau four afin d’être testés et validés dans le cas d’utilisations réelles. / In a world where all personal devices become smart and connected, some French industrials created a project to make ovens able detecting the cooking state of fish and meat without contact sensor. This thesis takes place in this context and is divided in two major parts. The first one is a feature selection phase to be able to classify food in three states: under baked, well baked and over baked. The point of this selection method, based on fuzzy logic is to strongly reduce the number of features got from laboratory specific sensors. The second part concerns on-line monitoring of the food cooking state by several methods. These technics are: classification algorithm into ten bake states, the use of a discrete version of the heat equation and the development of a soft sensor based on an artificial neural network model build from cooking experiments to infer the temperature inside the food from available on-line measurements. These algorithms have been implemented on microcontroller equipping a prototype version of a new oven in order to be tested and validated on real use cases.

Cette étude traite de l’identification de système dynamique non-linéaire. Une architecture multimodèle capable de surmonter certaines difficultés de l’architecture neuronale de type MLP a été étudiée. L’approche multimodèle consiste à représenter un système complexe par un ensemble de modèles de structures simples à validité limitée dans des zones bien définies. A la place de la structure affine des modèles locaux généralement utilisée, cette étude propose une structure polynômiale plus générale, capable de mieux appréhender les non-linéarités locales, réduisant ainsi le nombre de modèles locaux. L’estimation paramétrique d’une telle architecture multimodèle peut se faire suivant une optimisation linéaire, moins coûteuse en temps de calcul que l’estimation paramétrique utilisée dans une architecture neuronale. L’implantation des multimodèles récurrents, avec un algorithme d’estimation paramétrique plus souple que l’algorithme de rétro-propagation du gradient à travers le temps utilisé pour le MLP récurrent a également été effectuée. Cette architecture multimodèle permet de représenter plus facilement des modèles non-linéaires bouclés tels que les modèles NARMAX et NOE. La détermination du nombre de modèles locaux dans une architecture multimodèle nécessite la décomposition (le partitionnement) de l’espace de fonctionnement du système en plusieurs sous-espaces où sont définies les modèles locaux. Des modes de partitionnement flou (basé sur les algorithmes de« fuzzy-c-means », de « Gustafson et Kessel » et du « subtractive clustering ») ont été présentés. L’utilisation de telles méthodes nécessite l’implantation d’une architecture multimodèle où les modèles locaux peuvent être de structures différentes : polynômiales de degrés différents, neuronale ou polynômiale et neuronale. Une architecture multimodèle hétérogène répondant à ses exigences a été proposée, des algorithmes d’identification structurelles et paramétriques ont été présentés. Une étude comparative entre les architectures MLP et multimodèle a été menée. Le principal atout de l’architecture multimodèle par rapport à l’architecture neuronale de type MLP est la simplicité de l’estimation paramétrique. Par ailleurs, l’utilisation dans une architecture multimodèle d’un mode de partitionnement basé sur la classification floue permet de déterminer facilement le nombre de modèles locaux, alors que la détermination du nombre de neurones cachés pour une architecture MLP reste une tâche difficile / This work deals with non linear dynamical system identification. A multiple model architecture which overcomes certain insufficiencies of MLP neural networks is studied. Multiple model approach consists of modeling complex systems by mean of a set of simple local models whose validity are limited in well defined zones. Instead of using conventional affine models, a more general polynomial structure is proposed in this study, enabling to better apprehend local non linearities, reducing thus the number of local models. Models parameters of such a structure are estimated by linear optimization, which reduces computation time with respect to parameter estimation of a neural network architecture. The implementation of recurrent multiple models, with a more convenient learning algorithm than the back propagation through time, used in recurrent MLP models, is also studied. Such implementations facilitate representation of recurrent models like NARMAX and NOE. The determination of the number of local models in a multiple model architecture requires decomposition of system’s feature space into several sub-systems in which local models are defined. Fuzzy partitioning methods (based of « fuzzy-c-means », « Gustafson and Kessel » and « subtractive clustering »algorithms) are presented. The use of such methods requires the implementation of a multiple model architecture where local models can have different structures : polynomial with different degrees, neural or polynomial and neural. A multiple model with a heterogeneous architecture satisfying these requirements is proposed and structural and parametrical identification algorithms are presented. A comparative study between multiple model and MLP architectures is done. The main advantage of the multiple model architecture is the parameter estimation simplicity. In addition, the use of fuzzy partitioning methods in multiple model architecture enables to find easily the number of local models while the determination of hidden neurons in an MLP architecture remains a hard task