Le développement et l’usage croissants de systèmes pervasifs, dotés de fonctionnalités et de moyens de communication de plus en plus sophistiqués, offrent de fantastiques potentialités de services, en particulier pour l’e-Santé et la télémédecine, au bénéfice de tout citoyen, patient ou professionnel de santé. L’un des challenges sociétaux actuels est de permettre une meilleure exploitation des services disponibles pour l’ensemble des acteurs impliqués dans un domaine donné. Mais la multiplicité des services offerts, la diversité fonctionnelle des systèmes, et l’hétérogénéité des besoins nécessitent l’élaboration de modèles de connaissances de ces services, des fonctions de ces systèmes et des besoins. En outre, l’hétérogénéité des environnements informatiques distribués, la disponibilité et les capacités potentielles des diverses ressources humaines et matérielles (instrumentation, services, sources de données, etc.) requises par les différentes tâches et processus, la variété des services qui fournissent des données aux utilisateurs, et les conflits d’interopérabilité entre schémas et sources de données sont autant de problématiques que nous avons à considérer au cours de nos travaux de recherche. Notre contribution vise à optimiser la qualité de services en environnement ambiant et à réaliser une exploitation intelligente de ressources ubiquitaires. Pour cela, nous proposons un méta-modèle de connaissances des principaux concepts à prendre en compte en environnement pervasif. Ce méta-modèle est basé sur des ontologies décrivant les différentes entités précitées dans un domaine donné ainsi que leurs relations. Puis, nous l’avons formalisé en utilisant un langage standard de description des connaissances. A partir de ce modèle, nous proposons alors une nouvelle méthodologie de construction d’un framework architectural, que nous avons appelé ONOF-PAS. ONOF-PAS est basé sur des modèles ontologiques, une base de règles, un moteur d’inférence, et des composants orientés objet permettant la gestion des différentes tâches et le traitement des ressources. Il s’agit d’une architecture générique, applicable à différents domaines. ONOF-PAS a la capacité d’effectuer un raisonnement à base de règles pour gérer les différents contextes d’utilisation et aider à la prise de décision dans des environnements hétérogènes dynamiques, tout en tenant compte de la disponibilité et de la capacité des ressources humaines et matérielles requises par les diverses tâches et processus exécutés par des systèmes d’information pervasifs. Enfin, nous avons instancié ONOF-PAS dans le domaine de la télémédecine pour traiter le scénario de l’orientation des patients ou de personnes victimes de problèmes de santé en environnement hostile telles que la haute montagne ou des zones géographiquement isolées. Un prototype d’implémentation de ces scénarios, appelé T-TROIE a été développé afin de valider le framework ONOF-PAS. / The growing development and use of pervasive systems, equipped with increasingly sophisticated functionalities and communication means, offer fantastic potentialities of services, particularly in the eHealth and Telemedicine domains, for the benifit of each citizen, patient or healthcare professional. One of the current societal challenges is to enable a better exploitation of the available services for all actors involved in a given domain. Nevertheless, the multiplicity of the offered services, the systems functional variety, and the heterogeneity of the needs require the development of knowledge models of these services, systems functions, and needs. In addition, the distributed computing environments heterogeneity, the availability and potential capabilities of various human and material resources (devices, services, data sources, etc.) required by the different tasks and processes, the variety of services providing users with data, the interoperability conflicts between schemas and data sources are all issues that we have to consider in our research works. Our contribution aims to empower the intelligent exploitation of ubiquitous resources and to optimize the quality of service in ambient environment. For this, we propose a knowledge meta-model of the main concepts of a pervasive environment, such as Actor, Task, Resource, Object, Service, Location, Organization, etc. This knowledge meta-model is based on ontologies describing the different aforementioned entities from a given domain and their interrelationships. We have then formalized it by using a standard language for knowledge description. After that, we have designed an architectural framework called ONOF-PAS (ONtology Oriented Framework for Pervasive Applications and Services) mainly based on ontological models, a set of rules, an inference engine, and object oriented components for tasks management and resources processing. Being generic, extensible, and applicable in different domains, ONOF-PAS has the ability to perform rule-based reasoning to handle various contexts of use and enable decision making in dynamic and heterogeneous environments while taking into account the availability and capabilities of the human and material resources required by the multiples tasks and processes executed by pervasive systems. Finally, we have instantiated ONOF-PAS in the telemedicine domain to handle the scenario of the transfer of persons victim of health problems during their presence in hostile environments such as high mountains resorts or geographically isolated areas. A prototype implementing this scenario, called T-TROIE (Telemedicine Tasks and Resources Ontologies for Inimical Environments), has been developed to validate our approach and the proposed ONOF-PAS framework.

La modélisation de scènes réelles à travers la capture de données numériques 3D a été prouvée à la fois utile et applicable dans une variété d’applications. Des scènes entières sont généralement numérisées par des scanners laser et représentées par des grands nuages de points non organisés souvent accompagnés de données photogrammétriques. Un problème typique dans le traitement de ces nuages et données réside dans la détection et la classification des objets présents dans la scène. Ces tâches sont souvent entravées par la variabilité des conditions de capture des données, la présence de bruit, les occlusions ainsi que les données manquantes. Compte tenu de la complexité des problèmes sous-jacents, les approches de traitement récentes tentent d’exploiter les connaissances sémantiques pour identifier et classer les objets. Dans cette thèse, nous proposons une nouvelle approche qui fait appel à des stratégies intelligentes de gestion des connaissances pour le traitement des nuages de points 3D ainsi que l’identification et la classification des objets dans les scènes numérisées. Notre approche étend l’utilisation des connaissances sémantiques à toutes les étapes du traitement, y compris le choix et le guidage des algorithmes de traitement axées sur les données individuelles. Notre solution constitue un concept multi-étape itératif sur la base de trois facteurs : la connaissance modélisée, un ensemble d’algorithmes de traitement, et un moteur de classification. L’objectif de ce travail est de sélectionner et d’orienter les algorithmes de manière adaptative et intelligente pour détecter des objets dans les nuages de points. Des expériences avec deux études de cas démontrent l’applicabilité de notre approche. Les études ont été réalisées sur des analyses de la salle d’attente d’un aéroport et le long des voies de chemin de fer. Dans les deux cas, l’objectif était de détecter et d’identifier des objets dans une zone définie. Les résultats montrent que notre approche a réussi à identifier les objets d’intérêt tout en utilisant différents types de données / The modeling of real-world scenes through capturing 3D digital data has proven to be both useful andapplicable in a variety of industrial and surveying applications. Entire scenes are generally capturedby laser scanners and represented by large unorganized point clouds possibly along with additionalphotogrammetric data. A typical challenge in processing such point clouds and data lies in detectingand classifying objects that are present in the scene. In addition to the presence of noise, occlusionsand missing data, such tasks are often hindered by the irregularity of the capturing conditions bothwithin the same dataset and from one data set to another. Given the complexity of the underlyingproblems, recent processing approaches attempt to exploit semantic knowledge for identifying andclassifying objects. In the present thesis, we propose a novel approach that makes use of intelligentknowledge management strategies for processing of 3D point clouds as well as identifying andclassifying objects in digitized scenes. Our approach extends the use of semantic knowledge to allstages of the processing, including the guidance of the individual data-driven processing algorithms.The complete solution consists in a multi-stage iterative concept based on three factors: the modeledknowledge, the package of algorithms, and a classification engine. The goal of the present work isto select and guide algorithms following an adaptive and intelligent strategy for detecting objects inpoint clouds. Experiments with two case studies demonstrate the applicability of our approach. Thestudies were carried out on scans of the waiting area of an airport and along the tracks of a railway.In both cases the goal was to detect and identify objects within a defined area. Results show that ourapproach succeeded in identifying the objects of interest while using various data types

Les connaissances perceptivo-gestuelles sont difficiles à saisir dans les Systèmes Tutoriels Intelligents. Ces connaissances sont multimodales : elles combinent des connaissances théoriques, ainsi que des connaissances perceptuelles et gestuelles. Leur enregistrement dans les Systèmes Tutoriels Intelligents implique l'utilisation de plusieurs périphériques ou capteurs couvrant les différentes modalités des interactions qui les sous-tendent. Les « traces » de ces interactions –aussi désignées sous le terme "traces d'activité"- constituent la matière première pour la production de services tutoriels couvrant leurs différentes facettes. Les analyses de l'apprentissage ou les services tutoriels privilégiant une facette de ces connaissances au détriment des autres, sont incomplets. Cependant, en raison de la diversité des périphériques, les traces d'activité enregistrées sont hétérogènes et, de ce fait, difficiles à modéliser et à traiter. Mon projet doctoral adresse la problématique de la production de services tutoriels adaptés à ce type de connaissances. Je m'y intéresse tout particulièrement dans le cadre des domaines dits mal-définis. Le cas d'étude de mes recherches est le Système Tutoriel Intelligent TELEOS, un simulateur dédié à la chirurgie orthopédique percutanée. Les propositions formulées se regroupent sous trois volets : (1) la formalisation des séquences d'interactions perceptivo-gestuelles ; (2) l'implémentation d'outils capables de réifier le modèle conceptuel de leur représentation ; (3) la conception et l'implémentation d'outils algorithmiques favorisant l'analyse de ces séquences d'un point de vue didactique. / Perceptual-gestural knowledge is multimodal : they combine theoretical and perceptual and gestural knowledge. It is difficult to capture in Intelligent Tutoring Systems. In fact, its capture in such systems involves the use of multiple devices or sensors covering all the modalities of underlying interactions. The "traces" of these interactions -also referred to as "activity traces"- are the raw material for the production of key tutoring services that consider their multimodal nature. Methods for "learning analytics" and production of "tutoring services" that favor one or another facet over others, are incomplete. However, the use of diverse devices generates heterogeneous activity traces. Those latter are hard to model and treat.My doctoral project addresses the challenge related to the production of tutoring services that are congruent to this type of knowledge. I am specifically interested to this type of knowledge in the context of "ill-defined domains". My research case study is the Intelligent Tutoring System TELEOS, a simulation platform dedicated to percutaneous orthopedic surgery.The contributions of this thesis are threefold : (1) the formalization of perceptual-gestural interactions sequences; (2) the implementation of tools capable of reifying the proposed conceptual model; (3) the conception and implementation of algorithmic tools fostering the analysis of these sequences from a didactic point of view.

Le palmier babaçu (Attalea speciosa Mart. ex Spreng.) est une plante native de la forêt amazonienne. La déforestation a pour impact qu'il apparaît dans des milieux ouverts désormais anthropisés (pâturages, et champs cultivés). Le babaçu fait partie des ressources " extractivistes " du Brésil : activité de cueillette suivie de commercialisation de produits non ligneux. Cette activité concerne des personnes parmi les plus démunies du pays d'où l'importance de gérer au mieux sa durabilité dans un contexte conflictuel. Force est de constater que les connaissances du fonctionnement durable de l'espèce au sein de ces milieux anthropisés font cruellement défaut: son cycle de vie est peu connu et sa dynamique de population non étudiée.Le travail de thèse est donc pionnier et s'inscrit au sein d'un projet interdisciplinaire Open Science de la fondation Agropolis. L'objectif est double : il consiste à produire un modèle de la dynamique de population du babaçu validé par une analyse in situ et à capitaliser les connaissances issues de divers milieux scientifiques (biologistes, écologues, mathématiciens, informaticiens et économistes français et brésiliens). Le modèle, à plus long terme, doit étayer les recommandations relatives à la gestion durable de l'espèce.L'approche retenue a consisté à expliciter au sein de divers modèles, les connaissances partagées sur l'espèce et les modèles mathématiques potentiels ainsi que sur le contexte sociétal. Ceci nous a permis de proposer un modèle d'observation conforme aux préconisations d'OBOE (Ontologie relative a la sémantique des observations scientifiques) permettant la mise en place du protocole d'acquisition des données. L'acquisition in situ a été réalisée par le partenariat franco-brésilien entre 2013 et 2016 au sein du territoire de la communauté de Benfica (Pará, Brésil). La pérennisation des données s'est faite après conception, au sein d'une base de données spatiales prenant en compte l'aspect socio-économique.Enfin, nous proposons un modèle matriciel aléatoire ayant pour entrée des variables agrégées au niveau des stades biologiques de l'espèce. Les probabilités de la matrice de transition entre les stades sont modélisées selon un modèle hiérarchique Dirichlet-Multinomial. L'intégration des informations a priori a été formalisée grâce à une approche bayésienne. L'estimation et la validation du modèle ont été effectuées avec des critères bayésiens.Des simulations basées sur les paramètres estimés constituent une première ébauche d'étude du comportement de l'espèce. / The babassu palm tree (Attalea speciosa Mart. ex Spreng.) is an endemic species of the amazonian forests. The deforestation highlights henceforth this palm tree in the anthropogenic open areas (pastures and cultivated fields). The babassu is one of the "extractive" resources in Brazil: gathering activity followed by marketing of non-timber products. This activity involves people among the most disadvantaged in the country thus the importance to better manage its sustainability in a context of conflict. It is clear that knowledge of sustainable functioning of the species within these manmade environments is sorely lacking: its life cycle is not well known and its population dynamics unstudied.This PhD work is pioneer and is a part of an Open Science interdisciplinary project of the Agropolis foundation. The objective is twofold it is to generate a model of population dynamics of the babassu palm tree validated by in situ analysis and capitalizing knowledge from various scientific communities (biologists, ecologists, mathematicians, computer scientists and economists from France and Brazil). In the long-term the model should support the recommendations for the sustainable management of the species.Our approach explicit within different models the shared knowledge about the species and the potential mathematical models as well as the societal context. This has allowed us to provide an observation model compliant with the recommendations ofOBOE (Ontology on a semantic scientific observations) for the development of data acquisition protocol. The acquisition was made in situ by the French-Brazilian partnership between 2013 and 2016 in the community of Benfica (Pará, Brazil). The perpetuation of the data was made after conception, within a spatial database taking into account the socio-economic aspect.Finally, we proposed a random matrix model having as input aggregated variables based on the biological stages of the species. The probabilities of the between stages transition matrix are modeled using a hierarchical Dirichlet-Multinomial model. The integration of prior information was formulated through a Bayesian approach. The estimation and model validation were performed with Bayesian criteria.Simulations based on the estimated parameters represent a first outline of the study of the species behavior.