Le Massif Armoricain est situé dans la syntaxe Ibéro-Armoricaine, à l'extrémité Ouest de la chaîne hercynienne d'Europe. Cette structure arquée se referme pendant toute l'histoire de la collision continentale jusqu'au cours du Carbonifère, et de grands décrochements se forment à travers ces domaines. Deux de ces grands décrochements, le Cisaillement Nord Armoricain et le Cisaillement Sud Armoricain, délimitent un domaine supra-crustal peu épaissi au cours de l'orogenèse hercynienne : la Bretagne Centrale. La partie orientale de ce domaine présente tous les caractères d'une zone de cisaillement simple dextre. L'étude présentée dans cette thèse aboutit à une modélisation nouvelle du cisaillement simple. La modélisation est basée sur une analyse géostatistique des données structurales compilées à travers toute la zone d'étude. Cette analyse permet en outre de filtrer les variations locales du champ de déformation par rapport à celles régionalement corrélées et de quantifier ainsi les paramètres cinématiques du cisaillement simple en Bretagne Centrale. La restauration de ce cisaillement régional conduit à réinterpréter les déformations subies aux limites du domaine et dans les zones adjacentes ; par exemple, le bassin Carbonifère de Châteaulin, jusqu'à présent interprété comme extensif s'avère être vraisemblablement transpressif. Le domaine situé au Sud de la Bretagne Centrale a aussi pu être restauré à l'aide de l'interprétation des structures d'échelle crustale imagées par les données géophysiques récemment acquises dans le cadre du projet de recherche Armor2-Géofrance3D (données sismiques, gravimétriques et magnétiques). On montre que dans cette zone, le cisaillement régional est largement accommodé par de grandes structures chevauchantes en ciseaux. Enfin, la confrontation des données de tomographie sismique au modèle de déformation obtenu à partir des données de terrain suggère que le cisaillement simple de Bretagne Centrale a affecté l'ensemble de la lithosphère sous-jacente.

Afin d'étudier et de représenter l'évolution spatio-temporelle de la végétation du nord-ouest de la France depuis la fin de la dernière glaciation, un protocole mettant en œuvre des outils d'analyses cartographiques (SIG) et statistiques a été mis au point. Ce travail a entraîné la saisie d'environ 150000 données géoréférencées (archéobotaniques, géographiques, archéologiques, édaphiques, géologiques, météorologiques...) et des méthodes d'analyses ont été développées. Ainsi, pour chaque période chronologique on a cherché à obtenir : - des tendances de la répartition spatiale des données archéobotaniques (ex. krigeage des taux de pollen d'arbres), - des corrélations spatiales entre paramètres paléoenvironnementaux et activités humaines, (ex. distribution des taux de pollen d'arbres et répartition des sites archéologiques), - des analyses globales des données archéobotaniques, anthropiques et abiotiques grâce à l'utilisation d'analyses multivariées (utilisation du principe de la co-inertie). Pour mettre en perspective les résultats archéobotaniques, des reconstitutions paléo-paysagères de trois sites à vocations patrimoniales (culturelles et naturelles) ont été intégrées dans des projets d'aménagements paysagers.

Dans ce travail, nous proposons de suivre une approche multi-échelles pour simuler des propriétés spatiales des réservoirs, permettant d'intégrer des données directes (observation de puits) ou indirectes (sismique et données de production) de résolutions différentes. Deux paramétrisations sont utilisées pour résoudre ce problème: les ondelettes et les pyramides gaussiennes. A l'aide de ces paramétrisations, nous démontrons les avantages de l'approche multi-échelles sur deux types de problèmes d'estimations des incertitudes basés sur la minimisation d'une distance. Le premier problème traite de la simulation de propriétés à partir d'un algorithme de géostatistique multipoints. Il est montré que l'approche multi-échelles basée sur les pyramides gaussiennes améliore la qualité des réalisations générées, respecte davantage les données et réduit les temps de calculs par rapport à l'approche standard. Le second problème traite de la préservation des modèles a priori lors de l'assimilation des données d'historique de production. Pour re-paramétriser le problème, nous développons une transformée en ondelette 3D applicable à des grilles stratigraphiques complexes de réservoir, possédant des cellules mortes ou de volume négligeable. Afin d'estimer les incertitudes liées à l'aspect mal posé du problème inverse, une méthode d'optimisation basée ensemble est intégrée dans l'approche multi-échelles de calage historique. A l'aide de plusieurs exemples d'applications, nous montrons que l'inversion multi-échelles permet de mieux préserver les modèles a priori et est moins assujettie au bruit que les approches standards, tout en respectant aussi bien les données de conditionnement. / In this work, we propose to follow a multi-scale approach for spatial reservoir properties characterization using direct (well observations) and indirect (seismic and production history) data at different resolutions. Two decompositions are used to parameterize the problem: the wavelets and the Gaussian pyramids. Using these parameterizations, we show the advantages of the multi-scale approach with two uncertainty quantification problems based on minimization. The first one concerns the simulation of property fields from a multiple points geostatistics algorithm. It is shown that the multi-scale approach based on Gaussian pyramids improves the quality of the output realizations, the match of the conditioning data and the computational time compared to the standard approach. The second problem concerns the preservation of the prior models during the assimilation of the production history. In order to re-parameterize the problem, we develop a new 3D grid adaptive wavelet transform, which can be used on complex reservoir grids containing dead or zero volume cells. An ensemble-based optimization method is integrated in the multi-scale history matching approach, so that an estimation of the uncertainty is obtained at the end of the optimization. This method is applied on several application examples where we observe that the final realizations better preserve the spatial distribution of the prior models and are less noisy than the realizations updated using a standard approach, while matching the production data equally well.