Selon des études comportementales, les comportements complexes sont des processus multi-échelles, souvent composés de sous-éléments (unités fonctionnelles ou primitives). Cette thèse propose des architectures fonctionnelles afin de représenter la structure dynamique des unités fonctionnelles ainsi que celle des comportements multi-échelles résultants. Dans un premier temps, des unités fonctionnelles sont modélisées comme des flux structurés de faible dimension dans l'espace de phase (modes de fonctionnement). Des dynamiques supplémen-taires (signaux opérationnels) opèrent sur ces modes de fonctionnement faisant émerger des comportements complexes et sont classifiés selon la séparation entre leur échelle temporelle et celle des modes. Ensuite, des mesures de complexité, appliquées sur des architectures dis-tinctes composant un mouvement simple, révèlent un compromis entre la complexité des modes de fonctionnement et celle des signaux opérationnels. Celui-ci dépend de la séparation entre leurs échelles temporelles et soutient l'efficacité des architectures utilisant des modes non triviaux. Dans un deuxième temps, une architecture pour le comportement séquentiel (ici l'écriture) est construite via le couplage des modes de fonctionnement (réalisant des lettres) et des signaux opérationnels, ceux-ci beaucoup plus lents ou beaucoup plus rapides. Ainsi, l'importance des interactions entre les échelles temporelles pour l'organisation du comporte-ment est illustrée. Enfin, les contributions des modes et des signaux sur la sortie de l'architec-ture sont déterminées. Ceci semble être uniquement possible grâce à l'analyse du flux de phase (c'est-à-dire, non pas à partir des trajectoires dans l'espace de phase ni des séries temporelles). / Behavioural studies suggest that complex behaviours are multiscale processes, which may be composed of elementary ones (units or primitives). Traditional approaches to cognitive mod-elling generally employ reductionistic (mostly static) representations and computations of simplistic dynamics. The thesis proposes functional architectures to capture the dynamical structure of both functional units and the composite multiscale behaviours. First, a mathe-matical formalism of functional units as low dimensional, structured flows in phase space is introduced (functional modes). Second, additional dynamics (operational signals), which act upon functional modes for complex behaviours to emerge, are classified according to the separation between their characteristic time scale and the one of modes. Then, complexity measures are applied to distinct architectures for a simple composite movement and reveal a trade off between the complexities of functional modes and operational signals, depending on their time scale separation (in support of the control effectiveness of architectures employing non trivial modes). Subsequently, an architecture for serial behaviour (along the example of handwriting) is demonstrated, comprising of functional modes implementing characters, and operational signals much slower (establishing a mode competition and ‘binding’ modes into sequences) or much faster (as meaningful perturbations). All components being coupled, the importance of time scale interactions for behavioural organization is illustrated. Finally, the contributions of modes and signals to the output are recovered, appearing to be possible only through analysis of the output phase flow (i.e., not from trajectories in phase space or time).

Dans cette thèse, nous nous intéressons à l'estimation de la synchrone de consommation électrique (courbe moyenne). Etant donné que les variables étudiées sont fonctionnelles et que les capacités de stockage sont limitées et les coûts de transmission élevés, nous nous sommes intéressés à des méthodes d'estimation par sondage, alternatives intéressantes aux techniques de compression du signal. Nous étendons au cadre fonctionnel des méthodes d'estimation qui prennent en compte l'information auxiliaire disponible afin d'améliorer la précision de l'estimateur de Horvitz-Thompson de la courbe moyenne de consommation électrique. La première méthode fait intervenir l'information auxiliaire au niveau de l'estimation, la courbe moyenne est estimée à l'aide d'un estimateur basé sur un modèle de régression fonctionnelle. La deuxième l'utilise au niveau du plan de sondage, nous utilisons un plan à probabilités inégales à forte entropie puis l'estimateur de Horvitz-Thompson fonctionnel. Une estimation de la fonction de covariance est donnée par l'extension au cadre fonctionnel de l'approximation de la covariance donnée par Hájek. Nous justifions de manière rigoureuse leur utilisation par une étude asymptotique. Pour chacune de ces méthodes, nous donnons, sous de faibles hypothèses sur les probabilités d'inclusion et sur la régularité des trajectoires, les propriétés de convergence de l'estimateur de la courbe moyenne ainsi que de sa fonction de covariance. Nous établissons également un théorème central limite fonctionnel. Afin de contrôler la qualité de nos estimateurs, nous comparons deux méthodes de construction de bande de confiance sur un jeu de données de courbes de charge réelles. La première repose sur la simulation de processus gaussiens. Une justification asymptotique de cette méthode sera donnée pour chacun des estimateurs proposés. La deuxième utilise des techniques de bootstrap qui ont été adaptées afin de tenir compte du caractère fonctionnel des données / In this thesis, we are interested in estimating the mean electricity consumption curve. Since the study variable is functional and storage capacities are limited or transmission cost are high survey sampling techniques are interesting alternatives to signal compression techniques. We extend, in this functional framework, estimation methods that take into account available auxiliary information and that can improve the accuracy of the Horvitz-Thompson estimator of the mean trajectory. The first approach uses the auxiliary information at the estimation stage, the mean curve is estimated using model-assisted estimators with functional linear regression models. The second method involves the auxiliary information at the sampling stage, considering πps (unequal probability) sampling designs and the functional Horvitz-Thompson estimator. Under conditions on the entropy of the sampling design the covariance function of the Horvitz-Thompson estimator can be estimated with the Hájek approximation extended to the functional framework. For each method, we show, under weak hypotheses on the sampling design and the regularity of the trajectories, some asymptotic properties of the estimator of the mean curve and of its covariance function. We also establish a functional central limit theorem.Next, we compare two methods that can be used to build confidence bands. The first one is based on simulations of Gaussian processes and is assessed rigorously. The second one uses bootstrap techniques in a finite population framework which have been adapted to take into account the functional nature of the data

Dans cette thèse, j’exploite le cadre d’analyse de données fonctionnelles et développe l’analyse d’inférence et de prédiction, avec une application à des sujets sur les marchés financiers. Cette thèse est organisée en trois chapitres. Le premier chapitre est un article co-écrit avec Marine Carrasco. Dans ce chapitre, nous considérons un modèle de régression linéaire fonctionnelle avec une variable prédictive fonctionnelle et une réponse scalaire. Nous effectuons une comparaison théorique des techniques d’analyse des composantes principales fonctionnelles (FPCA) et des moindres carrés partiels fonctionnels (FPLS). Nous déterminons la vitesse de convergence de l’erreur quadratique moyen d’estimation (MSE) pour ces méthodes. Aussi, nous montrons cette vitesse est sharp. Nous découvrons également que le biais de régularisation de la méthode FPLS est plus petit que celui de FPCA, tandis que son erreur d’estimation a tendance à être plus grande que celle de FPCA. De plus, nous montrons que le FPLS surpasse le FPCA en termes de prédiction avec moins de composantes. Le deuxième chapitre considère un modèle autorégressif entièrement fonctionnel (FAR) pour prèvoir toute la courbe de rendement du S&P 500 a la prochaine journée. Je mène une analyse comparative de quatre techniques de Big Data, dont la méthode de Tikhonov fonctionnelle (FT), la technique de Landweber-Fridman fonctionnelle (FLF), la coupure spectrale fonctionnelle (FSC) et les moindres carrés partiels fonctionnels (FPLS). La vitesse de convergence, la distribution asymptotique et une stratégie de test statistique pour sélectionner le nombre de retard sont fournis. Les simulations et les données réelles montrent que les méthode FPLS performe mieux les autres en terme d’estimation du paramètre tandis que toutes ces méthodes affichent des performances similaires en termes de prédiction. Le troisième chapitre propose d’estimer la densité de neutralité au risque (RND) dans le contexte de la tarification des options, à l’aide d’un modèle fonctionnel. L’avantage de cette approche est qu’elle exploite la théorie d’absence d’arbitrage et qu’il est possible d’éviter toute sorte de paramétrisation. L’estimation conduit à un problème d’inversibilité et la technique fonctionnelle de Landweber-Fridman (FLF) est utilisée pour le surmonter. / In this thesis, I exploit the functional data analysis framework and develop inference, prediction and forecasting analysis, with an application to topics in the financial market. This thesis is organized in three chapters. The first chapter is a paper co-authored with Marine Carrasco. In this chapter, we consider a functional linear regression model with a functional predictor variable and a scalar response. We develop a theoretical comparison of the Functional Principal Component Analysis (FPCA) and Functional Partial Least Squares (FPLS) techniques. We derive the convergence rate of the Mean Squared Error (MSE) for these methods. We show that this rate of convergence is sharp. We also find that the regularization bias of the FPLS method is smaller than the one of FPCA, while its estimation error tends to be larger than that of FPCA. Additionally, we show that FPLS outperforms FPCA in terms of prediction accuracy with a fewer number of components. The second chapter considers a fully functional autoregressive model (FAR) to forecast the next day’s return curve of the S&P 500. In contrast to the standard AR(1) model where each observation is a scalar, in this research each daily return curve is a collection of 390 points and is considered as one observation. I conduct a comparative analysis of four big data techniques including Functional Tikhonov method (FT), Functional Landweber-Fridman technique (FLF), Functional spectral-cut off (FSC), and Functional Partial Least Squares (FPLS). The convergence rate, asymptotic distribution, and a test-based strategy to select the lag number are provided. Simulations and real data show that FPLS method tends to outperform the other in terms of estimation accuracy while all the considered methods display almost the same predictive performance. The third chapter proposes to estimate the risk neutral density (RND) for options pricing with a functional linear model. The benefit of this approach is that it exploits directly the fundamental arbitrage-free equation and it is possible to avoid any additional density parametrization. The estimation problem leads to an inverse problem and the functional Landweber-Fridman (FLF) technique is used to overcome this issue.

Avec l'essor des objets connectés pour fournir un suivi systématique, objectif et fiable aux sportifs et à leur entraineur, de plus en plus de paramètres sont collectés pour un même individu. Une alternative aux méthodes d'évaluation en laboratoire est l'utilisation de capteurs inertiels qui permettent de suivre la performance sans l'entraver, sans limite d'espace et sans procédure d'initialisation fastidieuse. Les données collectées par ces capteurs peuvent être vues comme des données fonctionnelles multivariées : se sont des entités quantitatives évoluant au cours du temps de façon simultanée pour un même individu statistique. Cette thèse a pour objectif de chercher des paramètres d'analyse de la locomotion du cheval athlète à l'aide d'un capteur positionné dans la selle. Cet objet connecté (centrale inertielle, IMU) pour le secteur équestre permet de collecter l'accélération et la vitesse angulaire au cours du temps, dans les trois directions de l'espace et selon une fréquence d'échantillonnage de 100 Hz. Une base de données a ainsi été constituée rassemblant 3221 foulées de galop, collectées en ligne droite et en courbe et issues de 58 chevaux de sauts d'obstacles de niveaux et d'âges variés. Nous avons restreint notre travail à la prédiction de trois paramètres : la vitesse par foulée, la longueur de foulée et la qualité de saut. Pour répondre aux deux premiers objectifs nous avons développé une méthode de clustering fonctionnelle multivariée permettant de diviser notre base de données en sous-groupes plus homogènes du point de vue des signaux collectés. Cette méthode permet de caractériser chaque groupe par son profil moyen, facilitant leur compréhension et leur interprétation. Mais, contre toute attente, ce modèle de clustering n'a pas permis d'améliorer les résultats de prédiction de vitesse, les SVM restant le modèle ayant le pourcentage d'erreur inférieur à 0.6 m/s le plus faible. Il en est de même pour la longueur de foulée où une précision de 20 cm est atteinte grâce aux Support Vector Machine (SVM). Ces résultats peuvent s'expliquer par le fait que notre base de données est composée uniquement de 58 chevaux, ce qui est un nombre d'individus très faible pour du clustering. Nous avons ensuite étendu cette méthode au co-clustering de courbes fonctionnelles multivariées afin de faciliter la fouille des données collectées pour un même cheval au cours du temps. Cette méthode pourrait permettre de détecter et prévenir d'éventuels troubles locomoteurs, principale source d'arrêt du cheval de saut d'obstacle. Pour finir, nous avons investigué les liens entre qualité du saut et les signaux collectés par l'IMU. Nos premiers résultats montrent que les signaux collectés par la selle seuls ne suffisent pas à différencier finement la qualité du saut d'obstacle. Un apport d'information supplémentaire sera nécessaire, à l'aide d'autres capteurs complémentaires par exemple ou encore en étoffant la base de données de façon à avoir un panel de chevaux et de profils de sauts plus variés / With the growth of smart devices market to provide athletes and trainers a systematic, objective and reliable follow-up, more and more parameters are monitored for a same individual. An alternative to laboratory evaluation methods is the use of inertial sensors which allow following the performance without hindering it, without space limits and without tedious initialization procedures. Data collected by those sensors can be classified as multivariate functional data: some quantitative entities evolving along time and collected simultaneously for a same individual. The aim of this thesis is to find parameters for analysing the athlete horse locomotion thanks to a sensor put in the saddle. This connected device (inertial sensor, IMU) for equestrian sports allows the collection of acceleration and angular velocity along time in the three space directions and with a sampling frequency of 100 Hz. The database used for model development is made of 3221 canter strides from 58 ridden jumping horses of different age and level of competition. Two different protocols are used to collect data: one for straight path and one for curved path. We restricted our work to the prediction of three parameters: the speed per stride, the stride length and the jump quality. To meet the first to objectives, we developed a multivariate functional clustering method that allow the division of the database into smaller more homogeneous sub-groups from the collected signals point of view. This method allows the characterization of each group by it average profile, which ease the data understanding and interpretation. But surprisingly, this clustering model did not improve the results of speed prediction, Support Vector Machine (SVM) is the model with the lowest percentage of error above 0.6 m/s. The same applied for the stride length where an accuracy of 20 cm is reached thanks to SVM model. Those results can be explained by the fact that our database is build from 58 horses only, which is a quite low number of individuals for a clustering method. Then we extend this method to the co-clustering of multivariate functional data in order to ease the datamining of horses’ follow-up databases. This method might allow the detection and prevention of locomotor disturbances, main source of interruption of jumping horses. Lastly, we looked for correlation between jumping quality and signals collected by the IMU. First results show that signals collected by the saddle alone are not sufficient to differentiate finely the jumping quality. Additional information will be needed, for example using complementary sensors or by expanding the database to have a more diverse range of horses and jump profiles

La répartition des revenus d'une population, la distribution des instants de défaillance d'un matériel et l'évolution des bénéfices des contrats d'assurance vie - étudiées en sciences économiques et de gestion – sont liées a des fonctions continues appartenant à la classe des fonctionnelles de la fonction de répartition. Notre thèse porte sur l'estimation à noyau de fonctionnelles de la fonction de répartition avec applications en sciences économiques et de gestion. Dans le premier chapitre, nous proposons des estimateurs polynomiaux locaux dans le cadre i.i.d. de deux fonctionnelles de la fonction de répartition, notées LF et TF , utiles pour produire des estimateurs lisses de la courbe de Lorenz et du temps total de test normalisé (scaled total time on test transform). La méthode d'estimation est décrite dans Abdous, Berlinet et Hengartner (2003) et nous prouvons le bon comportement asymptotique des estimateurs polynomiaux locaux. Jusqu'alors, Gastwirth (1972) et Barlow et Campo (1975) avaient défini des estimateurs continus par morceaux de la courbe de Lorenz et du temps total de test normalisé, ce qui ne respectait pas la propriété de continuité des courbes initiales. Des illustrations sur données simulées et réelles sont proposées. Le second chapitre a pour but de fournir des estimateurs polynomiaux locaux dans le cadre i.i.d. des dérivées successives des fonctionnelles de la fonction de répartition explorées dans le chapitre précédent. A part l'estimation de la dérivée première de la fonction TF qui se traite à l'aide de l'estimation lisse de la fonction de répartition, la méthode d'estimation employée est l'approximation polynomiale locale des fonctionnelles de la fonction de répartition détaillée dans Berlinet et Thomas-Agnan (2004). Divers types de convergence ainsi que la normalité asymptotique sont obtenus, y compris pour la densité et ses dérivées successives. Des simulations apparaissent et sont commentées. Le point de départ du troisième chapitre est l'estimateur de Parzen-Rosenblatt (Rosenblatt (1956), Parzen (1964)) de la densité. Nous améliorons dans un premier temps le biais de l'estimateur de Parzen-Rosenblatt et de ses dérivées successives à l'aide de noyaux d'ordre supérieur (Berlinet (1993)). Nous démontrons ensuite les nouvelles conditions de normalité asymptotique de ces estimateurs. Enfin, nous construisons une méthode de correction des effets de bord pour les estimateurs des dérivées de la densité, grâce aux dérivées d'ordre supérieur. Le dernier chapitre s'intéresse au taux de hasard, qui contrairement aux deux fonctionnelles de la fonction de répartition traitées dans le premier chapitre, n'est pas un rapport de deux fonctionnelles linéaires de la fonction de répartition. Dans le cadre i.i.d., les estimateurs à noyau du taux de hasard et de ses dérivées successives sont construits à partir des estimateurs à noyau de la densité et ses dérivées successives. La normalité asymptotique des premiers estimateurs est logiquement obtenue à partir de celle des seconds. Nous nous plaçons ensuite dans le modèle à intensité multiplicative, un cadre plus général englobant des données censurées et dépendantes. Nous menons la procédure à terme de Ramlau-Hansen (1983) afin d'obtenir les bonnes propriétés asymptotiques des estimateurs du taux de hasard et de ses dérivées successives puis nous tentons d'appliquer l'approximation polynomiale locale dans ce contexte. Le taux d'accumulation du surplus dans le domaine de la participation aux bénéfices pourra alors être estimé non parametriquement puisqu'il dépend des taux de transition (taux de hasard d'un état vers un autre) d'une chaine de Markov (Ramlau-Hansen (1991), Norberg (1999)) / The income distribution of a population, the distribution of failure times of a system and the evolution of the surplus in with-profit policies - studied in economics and management - are related to continuous functions belonging to the class of functionals of the distribution function. Our thesis covers the kernel estimation of some functionals of the distribution function with applications in economics and management. In the first chapter, we offer local polynomial estimators in the i.i.d. case of two functionals of the distribution function, written LF and TF , which are useful to produce the smooth estimators of the Lorenz curve and the scaled total time on test transform. The estimation method is described in Abdous, Berlinet and Hengartner (2003) and we prove the good asymptotic behavior of the local polynomial estimators. Until now, Gastwirth (1972) and Barlow and Campo (1975) have defined continuous piecewise estimators of the Lorenz curve and the scaled total time on test transform, which do not respect the continuity of the original curves. Illustrations on simulated and real data are given. The second chapter is intended to provide smooth estimators in the i.i.d. case of the derivatives of the two functionals of the distribution function presented in the last chapter. Apart from the estimation of the first derivative of the function TF with a smooth estimation of the distribution function, the estimation method is the local polynomial approximation of functionals of the distribution function detailed in Berlinet and Thomas-Agnan (2004). Various types of convergence and asymptotic normality are obtained, including the probability density function and its derivatives. Simulations appear and are discussed. The starting point of the third chapter is the Parzen-Rosenblatt estimator (Rosenblatt (1956), Parzen (1964)) of the probability density function. We first improve the bias of this estimator and its derivatives by using higher order kernels (Berlinet (1993)). Then we find the modified conditions for the asymptotic normality of these estimators. Finally, we build a method to remove boundary effects of the estimators of the probability density function and its derivatives, thanks to higher order derivatives. We are interested, in this final chapter, in the hazard rate function which, unlike the two functionals of the distribution function explored in the first chapter, is not a fraction of two linear functionals of the distribution function. In the i.i.d. case, kernel estimators of the hazard rate and its derivatives are produced from the kernel estimators of the probability density function and its derivatives. The asymptotic normality of the first estimators is logically obtained from the second ones. Then, we are placed in the multiplicative intensity model, a more general framework including censored and dependent data. We complete the described method in Ramlau-Hansen (1983) to obtain good asymptotic properties of the estimators of the hazard rate and its derivatives and we try to adopt the local polynomial approximation in this context. The surplus rate in with-profit policies will be nonparametrically estimated as its mathematical expression depends on transition rates (hazard rates from one state to another) in a Markov chain (Ramlau-Hansen (1991), Norberg (1999))

Cette thèse se décompose en quatre parties auxquelles s'ajoute une présentation. Dans un premier temps, on expose les outils mathématiques essentiels à la compréhension des prochains chapitres. Dans un deuxième temps, on s'intéresse à la régression non paramétrique locale pour des données fonctionnelles appartenant à un espace de Hilbert. On propose, tout d'abord, un estimateur de l'opérateur de régression. La construction de cet estimateur est liée à la résolution d'un problème inverse linéaire. On établit des bornes de l'erreur quadratique moyenne (EQM) de l'estimateur de l'opérateur de régression en utilisant une décomposition classique. Cette EQM dépend de la fonction de petite boule de probabilité du régresseur au sujet de laquelle des hypothèses de type Gamma-variation sont posées. Dans le chapitre suivant, on reprend le travail élaboré dans le précédent chapitre en se plaçant dans le cadre de données fonctionnelles appartenant à un espace semi-normé. On établit des bornes de l'EQM de l'estimateur de l'opérateur de régression. Cette EQM peut être vue comme une fonction de la fonction de petite boule de probabilité. Dans le dernier chapitre, on s'intéresse à l'estimation de la fonction auxiliaire associée à la fonction de petite boule de probabilité. D'abord, on propose un estimateur de cette fonction auxiliare. Ensuite, on établit la convergence en moyenne quadratique et la normalité asymptotique de cet estimateur. Enfin, par des simulations, on étudie le comportement de de cet estimateur au voisinage de zéro. / This thesis is divided in four sections with an additionnal presentation. In the first section, We expose the essential mathematics skills for the comprehension of the next sections. In the second section, we adress the problem of local non parametric with functional inputs. First, we propose an estimator of the unknown regression function. The construction of this estimator is related to the resolution of a linear inverse problem. Using a classical method of decomposition, we establish a bound for the mean square error (MSE). This bound depends on the small ball probability of the regressor which is assumed to belong to the class of Gamma varying functions. In the third section, we take again the work done in the preceding section by being situated in the frame of data belonging to a semi-normed space with infinite dimension. We establish bound for the MSE of the regression operator. This MSE can be seen as a function of the small ball probability function. In the last section, we interest to the estimation of the auxiliary function. Then, we establish the convergence in mean square and the asymptotic normality of the estimator. At last, by simulations, we study the bahavour of this estimator in a neighborhood of zero.

L'un des principaux défis de la nanomédecine est la capacité à cibler sélectivement les sites pathologiques. Le ciblage repose généralement sur la réponse sélective à une ou certaines caractéristiques des tissus ciblés (stimuli endogènes). Cette thèse s’intéresse à l’étude de la réponse sélective des nanoparticules fonctionnelles à deux stimuli endogènes bien caractérisés : la densité surfacique élevée d’un récepteur biologique sur une membrane cellulaire et le milieu acide des endosomes. Dans un premier temps, nous démontrons que les nanoparticules peuvent s’adsorber sélectivement sur les surfaces présentant une densité de récepteurs supérieure à un certain seuil, en fonctionnalisant leur surface avec une monocouche de polymères bimodaux (un poly (éthylène glycol) non-fonctionnel et un PEG portant un ligand). Les paramètres de conception de la monocouche comme la longueur relative des chaînes, la densité surfacique globale de la monocouche ou la densité surfacique de ligands peuvent être modulées pour améliorer la sélectivité des nanoparticules. Dans un second temps, nous rapportons des nanoparticules lipidiques capables de déstabiliser des membranes lipidiques à pH acide grâce à un lipide bascule pH-sensible. Nous montrons que le changement de conformation du lipide bascule augmente son aire interfaciale et provoque une dynamique membranaire qui peut se traduire macroscopiquement par des changements morphologiques et relargage du contenu des nanoparticules lipidiques. En améliorant le ciblage sélectif pour les membranes cellulaires, d’une part, et la livraison intracellulaire, d’autre part, ce travail servira à concevoir des nanoparticules multifonctionnelles sélectives et ciblées, pour une meilleure efficacité de vectorisation de médicaments ou d’acides nucléiques. / One of the main challenges of nanomedicine is the ability to selectively target disease sites. Targeting efficiency is generally based on a selective response to characteristics (endogenous stimuli) of the targeted tissues. This thesis focuses on the selective response of functional nanoparticles to two endogenous stimuli: the cell surface over-expressing a specific receptor and the acid medium of endosome. First, we report that nanoparticles surface-functionalized with a bimodal monolayer of polymers containing nonfunctional polyethylene glycol (1) and ligand-functionalized PEG exhibit selective adsorption to receptor surface with a surface density of receptor above a certain threshold. We show that design parameters of the bimodal monolayer, including the relative length of two chains, the total surface density of the monolayer or the surface density of ligand can be modulated to enhance the selectivity of the nanoparticle adsorption. Secondly, we report lipid nanoparticles that induce membrane destabilization under acidic condition thanks to a pH-switchable lipid. We show that the conformational change of the pH-switchable lipid increases the area occupied at the interface, causing membrane dynamics phenomena, that result in morphological changes and release of the cargo from lipid nanoparticles. By improving the ability of nanoparticles to selectively target cell surfaces and escape endosomal membrane, the selective responses of functional nanoparticles reported in this thesis will potentially serve to design multifunctional nanoparticles for selective targeting and efficient delivery of drugs and genetic materials.

Ce projet de recherche porte sur la décision de se relocaliser des personnes âgées locataires. Au Québec, il est estimé que le nombre de personnes âgées de 85 ans et plus triplera d'ici 2056 (MFA, 2012). Il s'agit de la tranche d'âge utilisant le plus de soins à domicile ; 60 % sont locataires (MFA, 2012 ; Turcotte, 2014). Bien que la majorité des aînés désirent vieillir dans leur domicile, un déménagement est parfois souhaitable, voire incontournable. En effet, un état de santé se détériorant au fil des ans peut faire en sorte que les activités quotidiennes deviennent difficiles et ne puissent être menées de manière autonome sans apporter des modifications au logis. Si adapter un logis n'est pas une mince tâche, cela est encore plus compliqué dans un immeuble locatif. En effet, nombreux sont les locataires dont le bail ne permet pas de telles modifications. Déménager est souvent la seule option pour les aînés locataires en perte d'autonomie fonctionnelle. Quels facteurs influencent non seulement la décision de se reloger, mais aussi le choix d'une coopérative d'habitation ou d'un OBNL d'habitation, soit deux options d'habitat communautaire abordable, mais aussi plus marginal au Québec? Comment l'expérience du déménagement est-elle vécue et quels facteurs contribuent à reconstruire le sentiment d'être chez-soi? Autant de questions auxquelles ce mémoire tente de répondre par le biais d'une recension des écrits et d'une enquête qualitative. Les objectifs de la recherche sont ainsi de comprendre cette expérience à travers le temps, en lien avec le parcours résidentiel antérieur et la reconstruction de la relation affective au logis. Deux volets ont été menés parallèlement pour compléter cette recherche. D'une part, une recension systématique des écrits sur le thème du relogement des aînés en perte d'autonomie ; d'autre part, 14 entretiens semi-dirigés auprès de personnes âgées s'étant relocalisées dans un habitat coopératif ou en OBNL. La synthèse des connaissances suggère que quitter un domicile connu est une décision complexe, voire difficile, impliquant plusieurs facteurs, dont le parcours de vie, la famille, les routines quotidiennes et la relation affective au domicile actuel. L'analyse thématique des entretiens, à partir des multiples facteurs identifiés dans la recension scientifique, a permis de cerner les plus invoqués par les aînés rencontrés pour justifier leur choix résidentiel, soit : la création ou le maintien de liens sociaux, le sentiment accru d'indépendance et de contrôle, ainsi que la présence d'entraide et de services au sein de l'immeuble. D'autres dimensions matérielles et économiques sont invoquées, mais indirectement à travers ces dimensions psychologiques ou sociales. Diverses composantes physiques du domicile et du quartier (les vues vers l'extérieur à partir du logement, l'espace de visite, les lieux communs, la gestion et l'administration de l'immeuble) semblent aussi influencer la relation affective au logis et la capacité de reconstruire le sentiment d'être chez soi. Les résultats de cette recherche suggèrent de consolider l'offre de logements communautaires abordables pour les personnes âgées en perte d'autonomie, ceux-ci leur permettant d'avoir accès aux services requis par leur situation, tout en conservant leur indépendance et leurs cercles sociaux.

Chez la guêpe parasitoïde Venturia canescens, des particules virales dépourvues d'ADN appelées VLP (pour "Virus-like Particules") sont produites spécifiquement dans les ovaires et tapissent le chorion des oeufs qui sont injectés dans la chenille hôte. Les VLP ont une fonction immunosuppressive pour l'hôte parasité et permettent ainsi la survie des oeufs du parasitoïde. Ces VLP résultent de l’intégration d’un nudivirus dans le génome de l’ancêtre de la guêpe, nudivirus qui a été ensuite domestiqué pour former des liposomes viraux capables de véhiculer dans l’hôte des protéines de virulence d'origine cellulaire. L’étude réalisée au cours de cette thèse a eu pour objet, d’une part, d'étudier les mécanismes de domestication virale qui ont conduit au virus symbiotique endogène actuel nommé VcENV (pour V. canescens endogenous nudivirus) et d’autre part, d'apporter des éléments de réponse sur le processus de morphogénèse et le mode d'action parasitaire des VLP. / Viral particles devoid of DNA called VLPs (for Virus-Like Particles) are specifically produced in the ovaries of the parasitoid wasp Venturia canescens and line the chorion of the wasp’s eggs injected into the host caterpillar. VLPs are immunosuppressive and allow parasitoid eggs survival. These VLPs result from the integration of a nudivirus into the wasp ancestor genome, nudivirus which was then domesticated to form viral liposomes capable of carrying, into the host, virulence proteins of cellular origin. The aim of the study carried out during this thesis was, first, to analyze the viral domestication mechanisms that led to the current endogenous symbiotic virus called VcENV (for V. canescens endogenous nudivirus) and secondly to provide some answers on VLPs morphogenesis process and parasitic mode of action.

Cette thèse est consacrée à l'analyse statistique de données en grande dimension. Nous nous intéressons à trois problèmes statistiques motivés par des applications médicales : la classification supervisée de courbes, la segmentation supervisée d'images hyperspectrales et la segmentation non-supervisée d'images hyperspectrales. Les procédures développées reposent pour la plupart sur la théorie des tests d'hypothèses (tests multiples, minimax, robustes et fonctionnels) et la théorie de l'apprentissage statistique. Ces théories sont introduites dans une première partie. Nous nous intéressons, dans la deuxième partie, à la classification supervisée de données gaussiennes en grande dimension. Nous proposons une procédure de classification qui repose sur une méthode de réduction de dimension et justifions cette procédure sur le plan pratique et théorique. Dans la troisième et dernière partie, nous étudions le problème de segmentation d'images hyper-spectrales. D'une part, nous proposons un algorithme de segmentation supervisée reposant à la fois sur une analyse multi-échelle, une estimation par maximum de vraisemblance pénalisée, et une procédure de réduction de dimension. Nous justifions cet algorithme par des résultats théoriques et des applications pratiques. D'autre part, nous proposons un algorithme de segmentation non supervisée impliquant une décomposition en ondelette des spectres observées en chaque pixel, un lissage spatial par croissance adaptative de régions et une extraction des frontières par une méthode de vote majoritaire.