Le travail mené dans cette thèse porte sur l'étude "à posteriori" de l'assimilation variationnelle de données. Il s'agit d'une démarche de faisabilité pour la mise au point des outils permettant de faire une analyse diagnostique (qualitative et quantitative) du processus d'assimilation variationnelle, notamment en ce qui concerne l'influence du bruit des observations sur le processus d'assimilation ainsi que sa propagation sur les champs reconstitués (nous sommes alors amenés à faire une étude de sensibilité), et l'influence de la configuration spatio-temporelle des observations sur le processus d'assimilation. L'application usuelle des équations adjointes pour l'analyse de sensibilité est revisée, car dans le contexte de l'assimilation variationnelle, nous avons montré par un exemple simple qu'il faut s'y prendre différemment. Nous proposons alors une méthode pour mener correctement cette analyse de sensibilité. Cette méthode est basée sur l'utilisation des équations adjointes au second ordre, obtenues en prenant l'adjoint du système d'optimalité. La sensibilité en est déduite par inversion du Hessien de la fonction coût via la minimisation d'une fonctionnelle quadratique. L'application est faite sur un modèle de circulation générale océanique de type quasi-géostrophique, et nous faisons aussi l'étude de l'existence et l'unicité de la solution de l'équation adjointe au second ordre du modèle considéré, pour justifier l'utilisation du Hessien et l'applicabilité de notre méthode. Nous étudions aussi l'influence de la configuration spatio-temporelle des observations sur le processus d'assimilation au travers du Hessien (à l'optimum) dont les éléments propres varient lorsqu'on fait varier la configuration. Enfin, nous étudions la prédicibilité du système d'optimalité.

La connaissance du microclimat et de l'évapotranspiration ou flux de chaleur latente qui représente la consommation réelle en eau de la culture à l'échelle des parcelles agricoles est une donnée importante pour comprendre le développement des cultures. La plupart des modèles permettant d'estimer l'évapotranspiration sont utilisés sur des surfaces homogènes sans tenir compte des interactions surface - atmosphère et de la variabilité spatiale du domaine agricole. Nous avons utilisé un modèle de couche limite atmosphérique afin de prendre en compte ces interactions. Une approche dite " patchée " permet d'introduire la variabilité spatiale des surfaces dans le modèle à partir des diverses proportions et des caractéristiques des principaux couverts végétaux qui composent le paysage. Une méthode d'assimilation variationnelle a été implémentée afin d'estimer certains paramètres du modèle difficile à connaître précisément. La méthode est basée sur le calcul de l'adjoint du modèle et utilise une température de surface observée par télédétection. L'approche développée est comparée à des approches plus simples considérant chaque type de surface indépendamment, mettant en évidence le rôle de la prise en compte de la variabilité spatiale de la surface sur la simulation du microclimat et des flux de surface

La thèse est consacrée à une approche variationnelle unifiée pour des applications diverses, telles que l'identification de paramètres, la contrôle optimal et l'assimilation de données, pour la modélisation de l'architecture et du fonctionnement des plantes. La formulation mathématique du modèle fonction-structure de plantes GreenLab est réalisé par l'introduction d'une formule empirique sur des facteurs environnementaux pour modèliser la photosynthèse. Un sous-modèle d'équilibre de l'eau dans le sol a été ajouté dans GreenLab pour le système dynamique de sol-plantes. La formulation dynamique permet d'obtenir des solutions numériques efficaces pour les systèmes variationnels en utilisant le modèle d'adjoint correspondant. Les algorithmes de différentiation sont utilisées pour différentier le code GreenLab d'une manière systématique afin d'obtenir le code d'adjoint. L'approche variationnelle est utilisée pour résoudre un problème de d'approvisionnement optimal d'eau pour le tournesol et pour une meilleure production de fruits. Le concept de l'assimilation de données est utilisé pour diminuer les incertitudes sur la condition initiale et les paramètres externes de modèles. Les resultats sur les problèmes étudiés montrent que les concepts d'assimilation de données et de contrôle optimal sont utilisables en agronomie.

L'assimilation variationnelle de données 4D-Var est une technique très utilisée en géophysique, notamment en météorologie et océanographie. Elle consiste à estimer des paramètres d'un modèle numérique direct, en minimisant une fonction de coût mesurant l'écart entre les sorties du modèle et les mesures observées. La minimisation, qui est basée sur une méthode de gradient, nécessite le calcul du modèle adjoint (produit de la transposée de la matrice jacobienne avec le vecteur dérivé de la fonction de coût aux points d'observation). Lors de la mise en œuvre de l'AD 4D-Var, il faut faire face à des problèmes d'implémentation informatique complexes, notamment concernant le modèle adjoint, la parallélisation du code et la gestion efficace de la mémoire. Afin d'aider au développement d'applications d'AD 4D-Var, le logiciel YAO qui a été développé au LOCEAN, propose de modéliser le modèle direct sous la forme d'un graphe de flot de calcul appelé graphe modulaire. Les modules représentent des unités de calcul et les arcs décrivent les transferts des données entre ces modules. YAO est doté de directives de description qui permettent à un utilisateur de décrire son modèle direct, ce qui lui permet de générer ensuite le graphe modulaire associé à ce modèle. Deux algorithmes, le premier de type propagation sur le graphe et le second de type rétropropagation sur le graphe permettent, respectivement, de calculer les sorties du modèle direct ainsi que celles de son modèle adjoint. YAO génère alors le code du modèle direct et de son adjoint. En plus, il permet d'implémenter divers scénarios pour la mise en œuvre de sessions d'assimilation.Au cours de cette thèse, un travail de recherche en informatique a été entrepris dans le cadre du logiciel YAO. Nous avons d'abord formalisé d'une manière plus générale les spécifications deYAO. Par la suite, des algorithmes permettant l'automatisation de certaines tâches importantes ont été proposés tels que la génération automatique d'un parcours "optimal" de l'ordre des calculs et la parallélisation automatique en mémoire partagée du code généré en utilisant des directives OpenMP. L'objectif à moyen terme, des résultats de cette thèse, est d'établir les bases permettant de faire évoluer YAO vers une plateforme générale et opérationnelle pour l'assimilation de données 4D-Var, capable de traiter des applications réelles et de grandes tailles.

Un modèle de surface continentale (LSM en anglais) est un modèle numérique décrivant les échanges d'eau et d'énergie entre la surface terrestre et l'atmosphère. La physique de la surface de la terre comprend une vaste collection de processus complexes. L'équilibre entre la complexité du modèle et sa résolution, confronté à des limitations de calcul, représente une question fondamentale dans le développement d'un LSM. Les observations des phénomènes étudiés sont nécessaires afin d’adapter la valeur des paramètres du modèle à des variables reproduisant le monde réel. Le processus d'étalonnage consiste en une recherche des paramètres du modèle qui minimisent l’écart entre les résultats du modèle et un ensemble d'observations. Dans ce travail, nous montrons comment l'assimilation variationnelle de données est appliquée aux bilans d'énergie et d'eau du modèle de surface continentale ORCHIDEE afin d’étalonner les paramètres internes du modèle. Cette partie du modèle est appelé SECHIBA. Le logiciel YAO est utilisé pour faciliter la mise en œuvre de l'assimilation variationnelle 4DVAR. Une analyse de sensibilité a été réalisée afin d'identifier les paramètres les plus influents sur la température. Avec la hiérarchie des paramètres obtenue, des expériences jumelles à partir d'observations synthétiques ont été mises en œuvre. Les résultats obtenus suggèrent que l'assimilation de la température de surface a le potentiel d'améliorer les estimations de variables, en ajustant correctement les paramètres de contrôle. Enfin, plusieurs assimilations ont été faites en utilisant des observations de données réelles du site SMOSREX à Toulouse, France. Les expériences faites en utilisant différentes valeurs initiales pour les paramètres, montrent les limites de l'assimilation de la température pour contraindre les paramètres de contrôle. Même si l'estimation des variables est améliorée, ceci est dû à des valeurs finales des paramètres aux limites des intervalles prescrit de la fonction de coût. Afin de parvenir à un minimum, il faudrait permettre aux paramètres de visiter des valeurs irréalistes. Les résultats montrent que SECHIBA ne simule pas correctement simultanément la température et les flux et la relation entre les deux n’est pas toujours cohérente selon le régime (ou les valeurs des paramètres que l’on utilise). Il faut donc travailler sur la physique pour mieux simuler la température. En outre, la sensibilité des paramètres à la température n’est pas toujours suffisante, donnant une fonction de coût plate dans l’espace des paramètres prescrit. Nos résultats montrent que le système d'assimilation mis en place est robuste, puisque les résultats des expériences jumelles sont satisfaisants. Le couplage entre l'hydrologie et la thermodynamique dans SECHIBA doit donc être revu afin d'améliorer l'estimation des variables. Une étude exhaustive de l'erreur des mesures doit être menée afin de récupérer des termes de pondération dans la fonction de coût. Enfin, l'assimilation d'autres variables telles que l'humidité du sol peut maintenant être réalisée afin d'évaluer l'impact sur les performances de l’assimilation. / A land surface model (LSM) is a numerical model describing the exchange of water and energy between the land surface and the atmosphere. Land surface physics includes an extensive collection of complex processes. The balance between model complexity and resolution, subject to computational limitations, represents a fundamental query in the development of a LSM. With the purpose of adapting the value of the model parameters to values that reproduces results in the real world, measurements are necessary in order to compare to our estimations to the real world. The calibration process consists in an optimization of model parameters for a better agreement between model results and a set of observations, reducing the gap between the model and the available measurements. Here we show how variational data assimilation is applied to the energy and water budgets modules of the ORCHIDEE land surface model in order to constrain the model internal parameters. This part of the model is denoted SECHIBA. The adjoint semi-generator software denoted YAO is used as a framework to implement the 4DVAR assimilation. A sensitivity analysis was performed in order to identify the most influent parameters to temperature. With the parameter hierarchy resolved, twin experiments using synthetic observations were implemented for controlling the most sensitive parameters. Results obtained suggest that land surface temperature assimilation has the potential of improving the output estimations by adjusting properly the control parameters. Finally, several assimilations were made using observational meteorology dataset from the SMOSREX site in Toulouse, France. The experiments implemented, using different prior values for the parameters, show the limits of the temperature assimilation to constrain control parameters. Even though variable estimation is slightly improved, this is due to final parameter values are at the edge of a variation interval in the cost function. Effectively reaching a minimum would require allowing the parameters to visit unrealistic values. SECHIBA does not correctly simulates simultaneously temperature and fluxes and the relationship between the two is not always consistent according to the regime (or parameter values that are used). We must therefore work on the physical aspects to better simulate the temperature. Likewise, the parameter sensitivity to temperature is not always sufficient, giving as a result a flat cost function. Our results show that the assimilation system implemented is robust, since performances results in twin experiments are satisfactory. The coupling between the hydrology and the thermodynamics in SECHIBA must be reviewed in order to improve variable estimation. An exhaustive study of the prior errors in the measurements must be conducted in order to retrieve more adapted weighing terms in the cost function. Finally, the assimilation of other variables such as soil moisture should be performed to evaluate the impacts in constraining control parameters

La détermination de certains paramètres hydrodynamiques dans les modèles d'écoulement en zone non-saturée (et plus généralement dans certains modèles géophysiques) requiert l'utilisation d'un modèle et de données d'observations. Le but de ce travail est de proposer une méthode d'assimilation variationnelle de données permettant de reconstituer ces paramètres en tenant compte des observations et le modèle. La méthode proposée est fondée sur les techniques de contrôle optimal. Le travail mené dans cette étude porte sur l'identification de paramètres sur le modèle de Richards monodimensionnel ainsi que sa mise en oeuvre numérique. Au préalable, une investigation de la physique liée à notre problématique est explorée. Les données à assimiler sont les mesures d'infiltration cumulée et le vecteur de contrôle choisi est constitué de la condition initiale, des conditions aux limites et des paramètres hydrodynamiques. C'est ainsi que suivant certaines distributions des observations (infiltration cumulée observée), le paramètre de contrôle est reconstitué. Cette phase est suivie par une étude a posteriori basée sur les études au second ordre qui permettent d'estimer l'erreur de l'identification, l'influence de la configuration temporelle des observations sur la qualité de l'identification ainsi qu'une bonne compréhension du processus de minimisation. La dérivation automatique à l'aide du logiciel de différentiation automatique ODYSSEE est utilisée pour déduire les informations du premier et du second ordre. Enfin, en se servant des études au second ordre réalisées, nous appliquons l'algorithme de Newton au système d'optimalité.

Les changements du champ magnétique terrestre sur une grande gamme d'échelles spatiales et temporelles reflètent les processus variés de la éeodynamo. Je propose un modèle simplifié de la dynamique rapide du noyau, adapté à l'étude des variations du champ magnétique de l'année au siècle ; la variation séculaire. L'hypothèse quasi-géostrophique du modèle est basée sur la prépondérance des forces de rotation par rapport aux forces magnétiques à ces échelles de temps. La partie axisymétrique correspond au formalisme d'ondes de torsion d'Alfvén. La dynamique se place dans le plan équatorial. A la frontière noyau-manteau, l'écoulement interagit avec le champ magnétique radial via la composante radiale de l'équation d'induction. Cette partie du modèle connecte la dynamique et les observations. L'assimilation variationnelle de données permet d'interpréter la variation séculaire en terme de dynamique. Une fonction objectif est minimisée en calculant sa sensibilité par rapport aux variables de contrôle via l'intégration du modèle adjoint. J'illustre cette inversion par des expériences jumelles pour un écoulement stationnaire dans le noyau et pour des ondes de torsion. On accède ainsi à des variables d'état qui ne sont pas directement observées. En utilisant comme observations des écoulements reconstruits à la surface du noyau, cette méthode permet de déduire que la tension magnétique dans le noyau, force de rappel des ondes de torsion, correspond à un champ magnétique fort, au minimum 3-4 mT. De telles ondes de torsion rapides sont cohérentes avec un signal à 6 ans dans les données de variations de la longueur du jour.

L’assimilation variationnelle de données 4D-Var est une technique très utilisée en géophysique, notamment en météorologie et océanographie. Elle consiste à estimer des paramètres d’un modèle numérique direct, en minimisant une fonction de coût mesurant l’écart entre les sorties du modèle et les mesures observées. La minimisation, qui est basée sur une méthode de gradient, nécessite le calcul du modèle adjoint (produit de la transposée de la matrice jacobienne avec le vecteur dérivé de la fonction de coût aux points d’observation). Lors de la mise en œuvre de l’AD 4D-Var, il faut faire face à des problèmes d’implémentation informatique complexes, notamment concernant le modèle adjoint, la parallélisation du code et la gestion efficace de la mémoire. Afin d’aider au développement d’applications d’AD 4D-Var, le logiciel YAO qui a été développé au LOCEAN, propose de modéliser le modèle direct sous la forme d’un graphe de flot de calcul appelé graphe modulaire. Les modules représentent des unités de calcul et les arcs décrivent les transferts des données entre ces modules. YAO est doté de directives de description qui permettent à un utilisateur de décrire son modèle direct, ce qui lui permet de générer ensuite le graphe modulaire associé à ce modèle. Deux algorithmes, le premier de type propagation sur le graphe et le second de type rétropropagation sur le graphe permettent, respectivement, de calculer les sorties du modèle direct ainsi que celles de son modèle adjoint. YAO génère alors le code du modèle direct et de son adjoint. En plus, il permet d’implémenter divers scénarios pour la mise en œuvre de sessions d’assimilation.Au cours de cette thèse, un travail de recherche en informatique a été entrepris dans le cadre du logiciel YAO. Nous avons d’abord formalisé d’une manière plus générale les spécifications deYAO. Par la suite, des algorithmes permettant l’automatisation de certaines tâches importantes ont été proposés tels que la génération automatique d’un parcours “optimal” de l’ordre des calculs et la parallélisation automatique en mémoire partagée du code généré en utilisant des directives OpenMP. L’objectif à moyen terme, des résultats de cette thèse, est d’établir les bases permettant de faire évoluer YAO vers une plateforme générale et opérationnelle pour l’assimilation de données 4D-Var, capable de traiter des applications réelles et de grandes tailles. / Variational data assimilation 4D-Var is a well-known technique used in geophysics, and in particular in meteorology and oceanography. This technique consists in estimating the control parameters of a direct numerical model, by minimizing a cost function which measures the misfit between the forecast values and some actual observations. The minimization, which is based on a gradient method, requires the computation of the adjoint model (product of the transpose Jacobian matrix and the derivative vector of the cost function at the observation points). In order to perform the 4DVar technique, we have to cope with complex program implementations, in particular concerning the adjoint model, the parallelization of the code and an efficient memory management. To address these difficulties and to facilitate the implementation of 4D-Var applications, LOCEAN is developing the YAO framework. YAO proposes to represent a direct model with a computation flow graph called modular graph. Modules depict computation units and edges between modules represent data transfer. Description directives proper to YAO allow a user to describe its direct model and to generate the modular graph associated to this model. YAO contains two core algorithms. The first one is a forward propagation algorithm on the graph that computes the output of the numerical model; the second one is a back propagation algorithm on the graph that computes the adjoint model. The main advantage of the YAO framework, is that the direct and adjoint model programming codes are automatically generated once the modular graph has been conceived by the user. Moreover, YAO allows to cope with many scenarios for running different data assimilation sessions.This thesis introduces a computer science research on the YAO framework. In a first step, we have formalized in a more general way the existing YAO specifications. Then algorithms allowing the automatization of some tasks have been proposed such as the automatic generation of an “optimal” computational ordering and the automatic parallelization of the generated code on shared memory architectures using OpenMP directives. This thesis permits to lay the foundations which, at medium term, will make of YAO a general and operational platform for data assimilation 4D-Var, allowing to process applications of high dimensions.

Cette thèse s’intéresse au développement d’un contrôleur sûre et robuste en tant que partie intégrante d’un pancréas artificiel. Plus précisément, nous sommes intéressés à contrôler la partie du traitement usuel qui a pour but d’équilibrer la glycémie du patient. C’est ainsi que le développement d’une commande prédictive nonlinéaire robuste basée sur la résolution d’un problème de point selle a été envisagé. Afin de valider les performances du contrôleur dans une situation réaliste, des simulations numériques en utilisant une plate-forme de tests validée par la FDA sont envisagées.Dans une première partie, nous présentons une extension de la classique commande prédictive nonlinéaire dont le but est d’assurer le contrôle robuste de systèmes décrits par des équations différentielles ordinaires non linéaires dans un cadre échantillonné. Ce contrôleur, qui calcule une action de contrôle adéquate en considérant la solution d’un problème de point selle, est appelé saddle point model predictive controller (SPMPC). En utilisant cette commande, il est prouvé que le système converge en temps fini dans un espace borné et, en supposant une certaine structure dans le problème, qu’il est pratiquement stable entrée-état. Ensuite, nous nous sommes intéressés à la résolution numérique. Pour ce faire, nous proposons une méthode de résolution inspirée de la méthode du Langrangien augmenté et qui fait usage de modèles adjoints.Dans un deuxième temps, nous considérons l’application de ce contrôleur au problème du contrôle artificiel de la glycémie. Après une phase de modélisation, nous avons retenu deux modèles : un modèle simple qui est utilisé pour développer la commande et un modèle complexe qui est utilisé comme un simulateur réaliste de patients. Ce dernier est nécessaire pour valider notre approche de contrôle. Afin de calculer une entrée de commande adéquate, la commande SPMPC a besoin de l’état complet du système. Or, les capteurs ne peuvent fournir qu’une valeur du glucose sanguin. C’est pourquoi le développement d’un observateur est envisagé. Ensuite, des simulations sont réalisées. Les résultats obtenus témoignent de l’intérêt de l’approche retenue. En effet, pour tous les patients, aucune hypoglycémie n’a été observée et le temps passé en état hyperglycémique est suffisamment faible pour ne pas être dommageable. Enfin, l’intérêt d’étendre l’approche de commande SPMPC au problème de contrôle de systèmes décrits par des équations différentielles retardées non linéaires dans un cadre échantillonné est formellement investigué. / This thesis deals with the design of a robust and safe control algorithm to aim at an artificial pancreas. More precisely we will be interested in controlling the stabilizing part of a classical cure. To meet this objective, the design of a robust nonlinear model predictive controller based on the solution of a saddle point optimization problem is considered. Also, to test the controller performances in a realistic case, numerical simulations on a FDA validated testing platform are envisaged.In a first part, we present an extension of the usual nonlinear model predictive controller designed to robustly control, in a sampled-data framework, systems described by nonlinear ordinary differential equations. This controller, which computes the best control input by considering the solution of a constrained saddle point optimization problem, is called saddle point model predictive controller (SPMPC). Using this controller, it is proved that the closed-loop is Ultimately Bounded and, with some assumptions on the problem structure, Input-to State practically Stable. Then, we are interested in numerically solving the corresponding control problem. To do so, we propose an algorithm inspired from the augmented Lagrangian technique and which makes use of adjoint model.In a second part, we consider the application of this controller to the problem of artificial blood glucose control. After a modeling phase, two models are retained. A simple one will be used to design the controller and a complex one will be used to simulate realistic virtual patients. This latter is needed to validate our control approach. In order to compute a good control input, the SPMPC controller needs the full state value. However, the sensors can only provide the value of blood glucose. That is why the design of an adequate observer is envisaged. Then, numerical simulations are performed. The results show the interest of the approach. For all virtual patients, no hypoglycemia event occurs and the time spent in hyperglycemia is too short to induce damageable consequences. Finally, the interest of extending the SPMPC approach to consider the control of time delay systems in a sampled-data framework is numerically explored.

L’assimilation variationnelle de données 4D-Var est une technique très utilisée en géophysique, notamment en météorologie et océanographie. Elle consiste à estimer des paramètres d’un modèle numérique direct, en minimisant une fonction de coût mesurant l’écart entre les sorties du modèle et les mesures observées. La minimisation, qui est basée sur une méthode de gradient, nécessite le calcul du modèle adjoint (produit de la transposée de la matrice jacobienne avec le vecteur dérivé de la fonction de coût aux points d’observation). Lors de la mise en œuvre de l’AD 4D-Var, il faut faire face à des problèmes d’implémentation informatique complexes, notamment concernant le modèle adjoint, la parallélisation du code et la gestion efficace de la mémoire. Afin d’aider au développement d’applications d’AD 4D-Var, le logiciel YAO qui a été développé au LOCEAN, propose de modéliser le modèle direct sous la forme d’un graphe de flot de calcul appelé graphe modulaire. Les modules représentent des unités de calcul et les arcs décrivent les transferts des données entre ces modules. YAO est doté de directives de description qui permettent à un utilisateur de décrire son modèle direct, ce qui lui permet de générer ensuite le graphe modulaire associé à ce modèle. Deux algorithmes, le premier de type propagation sur le graphe et le second de type rétropropagation sur le graphe permettent, respectivement, de calculer les sorties du modèle direct ainsi que celles de son modèle adjoint. YAO génère alors le code du modèle direct et de son adjoint. En plus, il permet d’implémenter divers scénarios pour la mise en œuvre de sessions d’assimilation.Au cours de cette thèse, un travail de recherche en informatique a été entrepris dans le cadre du logiciel YAO. Nous avons d’abord formalisé d’une manière plus générale les spécifications deYAO. Par la suite, des algorithmes permettant l’automatisation de certaines tâches importantes ont été proposés tels que la génération automatique d’un parcours “optimal” de l’ordre des calculs et la parallélisation automatique en mémoire partagée du code généré en utilisant des directives OpenMP. L’objectif à moyen terme, des résultats de cette thèse, est d’établir les bases permettant de faire évoluer YAO vers une plateforme générale et opérationnelle pour l’assimilation de données 4D-Var, capable de traiter des applications réelles et de grandes tailles. / Variational data assimilation 4D-Var is a well-known technique used in geophysics, and in particular in meteorology and oceanography. This technique consists in estimating the control parameters of a direct numerical model, by minimizing a cost function which measures the misfit between the forecast values and some actual observations. The minimization, which is based on a gradient method, requires the computation of the adjoint model (product of the transpose Jacobian matrix and the derivative vector of the cost function at the observation points). In order to perform the 4DVar technique, we have to cope with complex program implementations, in particular concerning the adjoint model, the parallelization of the code and an efficient memory management. To address these difficulties and to facilitate the implementation of 4D-Var applications, LOCEAN is developing the YAO framework. YAO proposes to represent a direct model with a computation flow graph called modular graph. Modules depict computation units and edges between modules represent data transfer. Description directives proper to YAO allow a user to describe its direct model and to generate the modular graph associated to this model. YAO contains two core algorithms. The first one is a forward propagation algorithm on the graph that computes the output of the numerical model; the second one is a back propagation algorithm on the graph that computes the adjoint model. The main advantage of the YAO framework, is that the direct and adjoint model programming codes are automatically generated once the modular graph has been conceived by the user. Moreover, YAO allows to cope with many scenarios for running different data assimilation sessions.This thesis introduces a computer science research on the YAO framework. In a first step, we have formalized in a more general way the existing YAO specifications. Then algorithms allowing the automatization of some tasks have been proposed such as the automatic generation of an “optimal” computational ordering and the automatic parallelization of the generated code on shared memory architectures using OpenMP directives. This thesis permits to lay the foundations which, at medium term, will make of YAO a general and operational platform for data assimilation 4D-Var, allowing to process applications of high dimensions.