De par leur importante diversité phénotypique (10000 espèces), les oiseaux ont colonisé la plupart des niches écologiques, aussi « extrêmes » soient-elles. Les zones polaires (Arctique et Antarctiques) et le climat extrêmement froid qui les aractérise, suscitent l’intérêt de nombreuses études. Ce travail de thèse avait pour but d’explorer les différents mécanismes intervenant dans la mise en place de la thermorégulation chez l’oiseau. Nous nous sommes principalement intéressés, par une approche intégrative, de l’animal entier (méthodes de calorimétrie indirecte) à l’expression génique (techniques de RT-PCR), à caractériser les modifications métaboliques et l’implication d’une protéine découplante (avUCP) dans les mécanismes de thermorégulation, et principalement la thermogenèse sans frisson (NST) en réponse à une exposition chronique au froid.Au cours de deux études menées chez le caneton de Barbarie, nous avons démontré l’aspect « adaptatif » de la NST ainsi que l’implication potentielle de l’UCP aviaire dans ce mécanisme en faisant varier tout d’abord la température d’acclimatation puis la durée d’exposition pour caractériser la mise en place de la NST au cours de la croissance. Lors d’une troisième étude, nous nous sommes intéressés à une étape clé de la vie des manchots royaux (passage en mer) caractérisée par un stress thermique important et une activité physique accrue dus aux longs séjours en eau froide. Ce contexte environnemental et physiologique entraine nécessairement des adaptations métaboliques, comme la mise en place d’un métabolisme lipidique efficace soutenant ainsi les dépenses énergétiques accrues lors des voyages en mer. / Because of their huge phenotypic diversity (10,000 species), birds were able to colonize many “extreme” ecological niches. Many studies have been focus on the polar areas (i.e. Arctic and Antarctica) with their typical cold climate. The aim of this work was to explore the onset of thermoregulatory mechanisms in birds. Using an integrative approach, from whole animal (indirect calorimetry) to gene expression (RT-PCR analysis), we investigated metabolic adaptations and avian uncoupling protein implication in non shivering thermogenesis (NST) during chronic cold exposure. In two studies, working on Muscovy ducklings, we have highlighted the “adaptative” aspect of NST and potential implication of avUCP in this mechanism in relation to different ambient temperatures of acclimation and to cold exposure duration.In a third study, we were interested by passage from shore to marine life of King Penguins that represents a key step of their life. This is defined by massive cold stress (cold water) and increase of physical activity (long-time swimming), leading great metabolic adaptations, such as an increase of lipid oxidative capacities which would sustain expensive energetic cost of marine life.

Dans un scénario avec plusieurs réseaux sans fil de différentes technologies, ce travail a comme objectif la conception d'un moteur cognitif capable de reconnaitre l'environnement radio et de sélectionner un réseau avec le but final de maximiser la "qualité d'expérience" (QoE) de l'utilisateur. Un accent particulier est mis sur la simplicité de tous les éléments impliqués, du hardware aux algorithmes, afin de garder la faisabilité pratique de ce dispositif.Deux aspects ont été étudiés. Pour la reconnaissance de l'environnement radio une identification de réseau et une classification automatique sur la base de caractéristiques de la couche MAC a été proposée et testée. En ce qui concerne la sélection du réseau, des "Key Performance Indicators" (KPIs), qui sont des paramètres de la couche application, ont étés pris en compte afin d'obtenir la QoE désirée. Un modèle général pour la sélection du réseau a été proposé et testé avec de différents types de trafic par des simulations et par la réalisation d'un démonstrateur (application pour Android). De plus, comme il y a le problème de quand mesurer pour estimer la performance d'un réseau et quand l'utiliser effectivement pour transmettre et recevoir, le problème du bandit manchot ("Multi-armed bandit", MAB) a été appliqué à ce contexte et un nouveau modèle de MAB a été proposé afin de mieux répondre aux cas réels considérés. L'impact du nouveau modèle, qui introduit la distinction de deux actions différentes, mesurer et utiliser, a été testé par des simulations en utilisant des algorithmes déjà disponibles dans la littérature et deux algorithmes conçus spécifiquement. / In a scenario where multiple wireless networks of different technologies are available, this work addresses the problem of the design of a cognitive engine, core of a cognitive radio device, able to perform the surrounding radio environment recognition and the network selection with the final goal of maximization of final user Quality of Experience (QoE). Particular focus is put on the requirement of simplicity of all the elements involved, from hardware to algorithms, in order to keep in mind the importance of its practical realizability.Two aspects were investigated. For the surrounding radio environment recognition step, a network identification and automatic classification method based on MAC layer features was proposed and tested. As regards the network selection, Key Performance Indicators (KPIs), i.e. application layer parameters, were considered in order to obtain the desired goal of QoE. A general model for network selection was proposed and tested for different traffic types, both with simulations and a practical realization of a demonstrator (implemented as an application for Android OS). Moreover, as a consequence of the originated problem of when measuring to estimate a network performance and when effectively using the network for data transmission and reception purposes, the multi-armed bandit problem (MAB) was applied to this context and a new MAB model was proposed, in order to better fit the considered real cases scenarios. The impact of the new model, that introduces the distinction of two different actions, to measure and to use, was tested through simulations using algorithms already available in literature and two specifically designed algorithms.

De nombreux espèces utilisent des signaux multicomposants/multimodales. Au cours de cette thèse, nous avons étudié les signaux acoustiques et visuels produits dans le cadre du choix du partenaire chez le Manchot royal. Concernant les composantes acoustiques, nous avons identifié des arrangements syllabiques spécifiques à chacun des sexes. La fréquence fondamentale et l'énergie des cris des manchots royaux, ainsi que certaines caractéristiques colorimétriques signalent des informations sur la classe d'âge de l'émetteur. Nous avons montré que l'appareil vocal des manchots royaux permet les individus de produire deux bandes de fréquences harmoniques puisqu'ils présentent un syrinx trachéo-bronchique et donc deux sources sonores. En résumé, ce travail de thèse a contribué à une meilleure compréhension des signaux utilisés dans le cadre du choix du partenaire chez une espèce monomorphique qui présente un comportement reproducteur très coûteux. / Communication signals used in sexual selection can be costly to produce and even reduce the emitter’s fitness. Many species use multicomponent signals communication systems in different signal modalities. Here, we study visual and acoustic signals produced in the context of mate choice on a sexually monomorphically ornamented seabird, the king penguin. We identified a sex-specific syllable pattern in the vocalisations of 1-year-old fledglings, juveniles and adult birds. We found that fundamental frequency and energy components of calls and beak spot and ear patch ornament parameters signal information about the age-class of the emitter. Investigating the vocal apparatus of adult king penguins, we showed that king penguins can produce “two voices” since they have a tracheobronchial syrinx, i.e. two sound sources. This thesis contributed to our understanding of signals used in mate choice in a sexually monomorphically ornamented species that exhibits a very costly breeding behaviour.

Depuis 157 ans et la publication originelle de la théorie de l’évolution par sélection naturelle de Charles Darwin, ce concept n’a cessé d’évoluer. Un principe fondamental suggère que des traits handicapants aient évolués dans la mesure où ils informent de manière honnête les congénères sur la qualité intrinsèque du porteur. Le manchot royal est un modèle exceptionnel permettant de tester la valeur sélective de ce signal dans un contexte sexuel et social (non-reproductif). Mes résultats suggèrent que l’apparition et le maintien de certains de ces traits au cours de l’évolution se sont opérés sous l’influence de la sélection sexuelle et d’un choix mutuel du partenaire, tandis que d’autre, non contraint par la condition fluctuante de l’individu, aurait évolué sous l’influence de la sélection sociale. Ce travail de recherche participe à la compréhension des mécanismes impliqués dans l’évolution de signaux coûteux, et à la nature des bénéfices ultimes que ces traits procurent. / Darwin’s seminal theory of evolution by means of natural selection, first published 157 years ago, has been in constant refinement ever since. The production and maintenance of extravagant ornaments is widely suggested to evolve by conspecific preference providing information on individual intrinsic quality in sexual contexts or on individual social quality in non-reproductive contexts. The king penguin is a monomorphic bird species and an outstanding model to study ornament evolution. My results show that those ornaments are partly condition-dependent, and reliable traits that may be used to assess the quality of a potential sexual partner, implying that their evolution and maintenance is partly determined by sexual selection. On the other hand, some traits remained condition-independent in their production, suggesting that the cost associated with their expression was deferred over time and the evolution of those ornaments likely shaped by non-sexual social selection.

L’immense quantité d'information générée et gérée au quotidien par les systèmes d'information et leurs utilisateurs conduit inéluctablement à la problématique de surcharge d'information. Dans ce contexte, les systèmes de recommandation traditionnels fournissent des informations pertinentes aux utilisateurs. Néanmoins, avec la propagation récente des dispositifs mobiles (smartphones et tablettes), nous constatons une migration progressive des utilisateurs vers la manipulation d'environnements pervasifs. Le problème avec les approches de recommandation traditionnelles est qu'elles n'utilisent pas toute l'information disponible pour produire des recommandations. Davantage d’informations contextuelles pourraient être utilisées dans le processus de recommandation pour aboutir à des recommandations plus précises. Les systèmes de recommandation sensibles au contexte (CARS) combinent les caractéristiques des systèmes sensibles au contexte et des systèmes de recommandation afin de fournir des informations personnalisées aux utilisateurs dans des environnements ubiquitaires. Dans cette perspective où tout ce qui concerne l'utilisateur est dynamique, les contenus qu’il manipule et son environnement, deux questions principales doivent être adressées : i) Comment prendre en compte l'évolution des contenus de l’utilisateur? et ii) Comment éviter d’être intrusif, en particulier dans des situations critiques? En réponse à ces questions, nous avons développé un système de recommandation dynamique et sensible au risque appelé DRARS (Dynamic Risk-Aware Recommender System), qui modélise la recommandation sensible au contexte comme un problème de bandit. Ce système combine une technique de filtrage basée sur le contenu et un algorithme de bandit contextuel. Nous avons montré que DRARS améliore la stratégie de l'algorithme UCB (Upper Confidence Bound), le meilleur algorithme actuellement disponible, en calculant la valeur d'exploration la plus optimale pour maintenir un bon compromis entre exploration et exploitation basé sur le niveau de risque de la situation courante de l'utilisateur. Nous avons mené des expériences dans un contexte industriel avec des données réelles et des utilisateurs réels et nous avons montré que la prise en compte du niveau de risque de la situation de l'utilisateur augmentait significativement la performance du système de recommandation / The vast amount of information generated and maintained everyday by information systems and their users leads to the increasingly important concern of overload information. In this context, traditional recommender systems provide relevant information to the users. Nevertheless, with the recent dissemination of mobile devices (smartphones and tablets), there is a gradual user migration to the use of pervasive computing environments. The problem with the traditional recommendation approaches is that they do not utilize all available information for producing recommendations. More contextual parameters could be used in the recommendation process to result in more accurate recommendations. Context-Aware Recommender Systems (CARS) combine characteristics from context-aware systems and recommender systems in order to provide personalized recommendations to users in ubiquitous environments. In this perspective where everything about the user is dynamic, his/her content and his/her environment, two main issues have to be addressed: i) How to consider content evolution? and ii) How to avoid disturbing the user in risky situations?. In response to these problems, we have developed a dynamic risk sensitive recommendation system called DRARS (Dynamic Risk-Aware Recommender System), which model the context-aware recommendation as a bandit problem. This system combines a content-based technique and a contextual bandit algorithm. We have shown that DRARS improves the Upper Confidence Bound (UCB) policy, the currently available best algorithm, by calculating the most optimal exploration value to maintain a trade-off between exploration and exploitation based on the risk level of the current user's situation. We conducted experiments in an industrial context with real data and real users and we have shown that taking into account the risk level of users' situations significantly increases the performance of the recommender system

Cette thèse porte sur l'étude des Systèmes de Recommandation dans un cadre séquentiel, où les retours des utilisateurs sur des articles arrivent dans le système l'un après l'autre. Après chaque retour utilisateur, le système doit le prendre en compte afin d'améliorer les recommandations futures. De nombreuses techniques de recommandation ou méthodologies d'évaluation ont été proposées par le passé pour les problèmes de recommandation. Malgré cela, l'évaluation séquentielle, qui est pourtant plus réaliste et se rapproche davantage du cadre d'évaluation d'un vrai système de recommandation, a été laissée de côté. Le contexte séquentiel nécessite de prendre en considération différents aspects non visibles dans un contexte fixe. Le premier de ces aspects est le dilemme dit d'exploration vs. exploitation: le modèle effectuant les recommandations doit trouver le bon compromis entre recueillir de l'information sur les goûts des utilisateurs à travers des étapes d'exploration, et exploiter la connaissance qu'il a à l'heure actuelle pour maximiser le feedback reçu. L'importance de ce premier point est mise en avant à travers une première évaluation, et nous proposons une approche à la fois simple et efficace, basée sur la Factorisation de Matrice et un algorithme de Bandit Manchot, pour produire des recommandations appropriées. Le second aspect pouvant apparaître dans le cadre séquentiel surgit dans le cas où une liste ordonnée d'articles est recommandée au lieu d'un seul article. Dans cette situation, le feedback donné par l'utilisateur est multiple: la partie explicite concerne la note donnée par l'utilisateur concernant l'article choisi, tandis que la partie implicite concerne les articles cliqués (ou non cliqués) parmi les articles de la liste. En intégrant les deux parties du feedback dans un modèle d'apprentissage, nous proposons une approche basée sur la Factorisation de Matrice, qui peut recommander de meilleures listes ordonnées d'articles, et nous évaluons cette approche dans un contexte séquentiel particulier pour montrer son efficacité. / This thesis is dedicated to the study of Recommendation Systems under a sequential setting, where the feedback given by users on items arrive one after another in the system. After each feedback, the system has to integrate it and try to improve future recommendations. Many techniques or evaluation methods have already been proposed to study the recommendation problem. Despite that, such sequential setting, which is more realistic and represent a closer framework to a real Recommendation System evaluation, has surprisingly been left aside. Under a sequential context, recommendation techniques need to take into consideration several aspects which are not visible for a fixed setting. The first one is the exploration-exploitation dilemma: the model making recommendations needs to find a good balance between gathering information about users' tastes or items through exploratory recommendation steps, and exploiting its current knowledge of the users and items to try to maximize the feedback received. We highlight the importance of this point through the first evaluation study and propose a simple yet efficient approach to make effective recommendation, based on Matrix Factorization and Multi-Armed Bandit algorithms. The second aspect emphasized by the sequential context appears when a list of items is recommended to the user instead of a single item. In such a case, the feedback given by the user includes two parts: the explicit feedback as the rating, but also the implicit feedback given by clicking (or not clicking) on other items of the list. By integrating both feedback into a Matrix Factorization model, we propose an approach which can suggest better ranked list of items, and we evaluate it in a particular setting.