L'évaluation du risque d'accident relié à la consommation de drogues se heurte à des difficultés en termes d'échantillonnage et d'acquisition de données. D'autres problèmes sont attribuables à l'identification précise des drogues consommées par un individu et comment on évalue les effets. Les méthodes d'analyse de responsabilité ont été développées afin de contourner ces problèmes, mais il semble que le risque d'accident n'est pas estimé correctement par ces méthodes. La présente étude, réalisée sur un échantillon de conducteurs décédés entre 1999 et 2002, conclut que les rapports de cotes estimés correspondent au risque d'être responsable de l'accident plutôt que le risque d'accident lui-même. L'alcool est la drogue la plus fréquemment détectée, mais on retrouve également du cannabis, des benzodiazépines et de la cocaïne chez les conducteurs décédés. Le poly-usage de drogues semble très fréquent dans la population étudiée. Les résultats selon les échantillons d'urine ou de sang sont comparables.

Le marketing viral est une nouvelle forme de marketing qui exploite les réseaux sociaux afin de promouvoir un produit, une marque, etc. Il se fonde sur l'influence qu'exerce un utilisateur sur un autre. La maximisation de l'influence est le problème scientifique pour le marketing viral. En fait, son but principal est de sélectionner un ensemble d'utilisateurs d'influences qui pourraient adopter le produit et déclencher une large cascade d'influence et d'adoption à travers le réseau. Dans cette thèse, nous proposons deux modèles de maximisation de l'influence sur les réseaux sociaux. L'approche proposée utilise la théorie des fonctions de croyance pour estimer l'influence des utilisateurs. En outre, nous introduisons une mesure d'influence qui fusionne de nombreux aspects d'influence, comme l'importance de l'utilisateur sur le réseau et la popularité de ces messages. Ensuite, nous proposons trois scénarii de marketing viral. Pour chaque scénario, nous introduisons deux mesures d'influence. Le premier scénario cherche les influenceurs ayant une opinion positive sur le produit. Le second scénario concerne les influenceurs ayant une opinion positive et qui influencent des utilisateurs ayant une opinion positive et le dernier scénario cherche des influenceurs ayant une opinion positive et qui influencent des utilisateurs ayant une opinion négative. Dans un deuxième lieu, nous nous sommes tournés vers un autre problème important, qui est le problème de la prédiction du sujet du message social. En effet, le sujet est également un paramètre important dans le problème de la maximisation de l'influence. A cet effet, nous introduisons quatre algorithmes de classification qui ne nécessitent pas le contenu du message pour le classifier, nous avons juste besoin de ces traces de propagation. Dans nos expérimentations, nous comparons les solutions proposées aux solutions existantes et nous montrons la performance des modèles de maximisation de l'influence et les classificateurs proposés. / The Viral Marketing is a relatively new form of marketing that exploits social networks in order to promote a product, a brand, etc. It is based on the influence that exerts one user on another. The influence maximization is the scientific problem for the Viral Marketing. In fact, its main purpose is to select a set of influential users that could adopt the product and trigger a large cascade of influence and adoptions through the network. In this thesis, we propose two evidential influence maximization models for social networks. The proposed approach uses the theory of belief functions to estimate users influence. Furthermore, we introduce an influence measure that fuses many influence aspects, like the importance of the user in the network and the popularity of his messages. Next, we propose three Viral Marketing scenarios. For each scenario we introduce two influence measures. The first scenario is about influencers having a positive opinion about the product. The second scenario searches for influencers having a positive opinion and influence positive opinion users and the last scenario looks for influencers having a positive opinion and influence negative opinion users. On the other hand, we turned to another important problem which is about the prediction of the social message topic. Indeed, the topic is also an important parameter in the influence maximization problem. For this purpose, we introduce four classification algorithms that do not need the content of the message to classify it, they just need its propagation traces. In our experiments, we compare the proposed solutions to existing ones and we show the performance of the proposed influence maximization solutions and the proposed classifiers.

Pendant la pandémie de Covid-19, les minorités raciales et les groupes économiquement défavorisés ont connu des taux accrus d’infection, d’hospitalisation et de décès dans les zones urbaines. Cette disparité témoigne de l’oppression systématique à laquelle sont confrontées les minorités raciales et la classe ouvrière, qui s’étend évidemment aux services de santé. Les inégalités flagrantes en matière de santé étaient évidentes avant que les vaccins ne soient disponibles, nous ne pouvons donc pas simplement les attribuer à des attitudes culturelles d’hésitation à la vaccination. Dans ce travail, nous présentons des solutions pour optimiser la distribution équitable des vaccins pour différents groupes démographiques, afin de promouvoir un accès équitable aux vaccins lors du premier cycle d’attribution. Nous nous appuyons sur des travaux antérieurs pour construire des réseaux de mobilité de trois zones métropolitaines américaines en utilisant des données de visites réelles dans des lieux publics au cours des premières semaines de la pandémie. Nous proposons une nouvelle méthode utilisant la maximisation de l’influence pour détecter les quartiers les plus influents de la zone urbaine en termes d’efficacité dans la propagation de la maladie. Nous modélisons ensuite la propagation ultérieure de la maladie avec ces quartiers sélectionnés vaccinés. De plus, nous introduisons des considérations d’équité afin de mettre en œuvre un accès équitable aux vaccins pour les groupes raciaux et les groupes de revenus du réseau. Pour fusionner nos solutions avec les stratégies actuelles, nous combinons nos stratégies équitables avec une méthode de priorisation pour les groupes plus âgés du réseau. / During the Covid-19 pandemic, racial minorities and economically-disadvantaged groups experienced heightened rates of infection, hospitalization and death in urban areas. This disparity speaks to the systematic oppression faced by racial minorities and the working classes, which evidently extends to healthcare provisions. The stark inequalities in health outcomes were clear before vaccines became available, so we cannot simply attribute this to cultural attitudes of vaccine hesitancy. In this work, we present solutions to optimize the fair distribution of vaccines for different demographic groups, in order to promote equitable vaccine access in the first round of allocation. We build on previous work to construct mobility networks of three US metropolitan areas using data of real visits to public places during the first weeks of the pandemic. We propose a novel method using influence maximization (IM) to detect the most influential neighborhoods in the urban area in terms of efficacy in spreading the disease. We then model the subsequent disease spread with these selected neighborhoods vaccinated. Additionally, we introduce fairness considerations, to implement equitable vaccine access for racial groups and income groups in the network. To merge our solutions with current strategies, we combine our fair strategies with a prioritization method for older-age groups in the network.

La maladie de Huntington résulte d'une expansion de glutamines dans la protéine huntingtine. Cette mutation lui confère de nouvelles propriétés, dont celle de s'agréger et de produire une neurodégénérescence, qui malgré l'expression ubiquitaire de la huntingtine mutée, est spécifique du striatum. L'objectif de ce travail consistait à explorer le rôle de la dopamine dans cette vulnérabilité striatale. Après avoir démontré que la huntingtine mutée est capable d'activer la voie pro-apoptotique JNK/cJun dans des cultures primaires de neurones striataux (Garcia, Charvin and Caboche, 2004), nous avons étudié l'influence de la dopamine dans ce modèle neuronal. Nous avons alors montré que la dopamine i) active la voie pro-apoptotique JNK/cJun en synergie avec la huntingtine mutée via la production de radicaux libres, ii) augmente la formation d'agrégats via l'activation des récepteurs D2, iii) augmente la toxicité de la huntingtine mutée à travers ces deux effets combinés. Ainsi, nos résultats suggèrent que la dopamine concourt à la vulnérabilité des neurones striataux exprimant la huntingtine mutée (Charvin et al., 2005). Nous avons ensuite évalué in vivo l'effet thérapeutique d'un traitement précoce avec un antagoniste des récepteurs D2 dans un modèle murin de maladie de Huntington. Chez des rats infectés dans le striatum par des lentivirus exprimant la huntingtine normale ou mutée, nous avons montré que l'halopéridol décanoate retarde la formation des agrégats et protègent les neurones striataux exprimant la huntingtine mutée (Charvin et al., soumis). Ces travaux mettent en évidence un rôle potentialisateur de la dopamine dans la vulnérabilité des neurones striataux à la huntingtine mutée et ouvrent des perspectives nouvelles de thérapies pour la maladie de Huntington.