Cette thèse propose un modèle permettant la mise en œuvre d'un système de raisonnement à partir de cas capable d'adapter des procédures représentées sous forme de texte en langue naturelle, en réponse à des requêtes d'utilisateurs. Bien que les cas et les solutions soient sous forme textuelle, l'adaptation elle-même est d'abord appliquée à un réseau de contraintes temporelles exprimées à l'aide d'une algèbre qualitative, grâce à l'utilisation d'un opérateur de révision des croyances. Des méthodes de traitement automatique des langues sont utilisées pour acquérir les représentations algébriques des cas ainsi que pour regénérer le texte à partir du résultat de l'adaptation / This thesis proposes a practical model making it possible to implement a case-based reasoning system that adapts processes represented as natural language text in response to user queries. While the cases and the solutions are in textual form, the adaptation itself is performed on networks of temporal constraints expressed with a qualitative algebra, using a belief revision operator. Natural language processing methods are used to acquire case representations and to regenerate text based on the adaptation result

Nesta tese, buscou-se avaliar se a tomografia computadorizada de duplaenergia pós-contraste (TCDE) é capaz de detectar diferenças regionais da perfusão pulmonar em um modelo animal suíno incluindo variações de decúbito, lesão alveolar e oclusão da artéria pulmonar com balão, comparando estes resultados com os obtidos pela perfusão de primeira passagem com a tomografia computadorizada dinâmica (TCD). Dez suínos landrace foram divididos em Grupos A (N = 5, controle) e B (N = 5). Animais do Grupo B foram submetidos ao protocolo de lesão alveolar induzida por ventilação mecânica (LPIV). O volume sanguíneo perfundido e o fluxo sanguíneo pulmonar foram, respectivamente, estimados pela TCDE (%VSPTCDE) e pela TCD (FSPTCD), em diversas condições experimentais: posição supina versus prona, presença versus ausência de LPIV, presença ou ausência de oclusão da artéria pulmonar. A correlação entre %VSPTCDE e FSPTCD foi moderada (R = 0,60) com ampla variabilidade (intervalo 0,35-0,91) entre animais. %VSPTCDE e FSPTCD demonstraram padrões similares de heterogeneidade da perfusão pulmonar nas diferentes condições experimentais. Entretanto, reduções do %VSPTCDE causadas pela oclusão com balão foram em média -29,32 %, enquanto reduções do FSPTCD foram em média -86,78 % (p < 0,001). Estimativas quantitativas do VSPTCDE tiveram um erro médio de +4.3 ml/100g em comparação com o FSPTCD, com limites de concordância de 95 % entre -16,6 ml/100g e 25,1 ml/100g. A TCDE póscontraste é capaz de prover estimativas semiquantitativas que refletem a heterogeneidade regional da perfusão pulmonar causada por mudanças de decúbito, lesão alveolar e oclusão da artéria pulmonar com balão, apresentando moderada correlação com a perfusão de primeira passagem pela TCD / We aimed to evaluate whether contrast-enhanced dual-energy CT (DECT) detects regional pulmonary perfusion changes in a swine model of acute lung injury, with variations in decubitus and transient occlusion of the pulmonary artery, comparing these results with those obtained with dynamic CT perfusion (DynCT). Ten landrace swine were assigned to Groups A (N = 5, control) and B (N = 5). Group B was subjected to ventilator-induced lung injury (VILI). Perfused blood volume and pulmonary blood flow were quantified by DECT (PBVDECT) and DynCT (PBFDynCT), respectively, under different settings: supine versus prone, and with/without balloon occlusion of a pulmonary artery (PA) branch. Correlation of regional PBVDECT versus PBFDynCT was moderate (R = 0.60) with high variability (range 0.35-0.91) among the animals. Regional pulmonary perfusion changes assessed by %PBVDECT agreed with PBFDynCT in response to decubitus changes, lung injury and balloon occlusion in the multivariate analysis. However, reductions in %PBVDECT caused by balloon occlusion were in average -29.32 %, whereas reductions in PBFDynCT were in average -86.78 % (p < 0.001). Quantitative estimates of PBVDECT had a mean bias of +4.3 ml/100g in comparison with PBVDynCT, with 95 % confidence intervals between -16.6 ml/100g and 25.1 ml/100g. Semiquantitative contrastenhanced DECT reflects regional changes in perfusion caused decubitus changes, acute lung injury, and balloon occlusion of the PA, with moderate correlation in comparison with DynCT

L’objet de cette thèse est l’analyse de l’innovation à partir des connaissances autour de l’approche Knowledge-Based Innovation (KBI) qui décrit l’innovation à travers le prisme de la connaissance. L’innovation s’apparente, foncièrement, à un processus de création, d’application et de diffusion de différents types de connaissances. Cette recherche se focalise sur la phase cognitive de l’innovation dont l’ancrage choisi a été celui d’une approche par les capacités. Nous cherchons alors à identifier les capacités organisationnelles qui sous-tendent l’innovation en amont et à expliquer comment ces capacités s’articulent pour favoriser l’innovation à partir des connaissances. A la lumière des développements théoriques effectués, nous avons élaboré notre modèle conceptuel de recherche qui consacre le rôle médiateur de la capacité d’absorption.La démarche méthodologique appliquée est qualimétrique. Deux études empiriques ont été menées. La première est qualitative, basée sur des entretiens exploratoires. Elle a permis, dans un premier temps, de décrire et d’illustrer les relations étudiées, et dans un second temps, d’affiner nos interrogations et de les enrichir par deux nouvelles propositions de recherche. La deuxième étude est quantitative. Elle s’est basée sur l’administration du questionnaire conçu, à des entreprises françaises œuvrant majoritairement dans le secteur industriel. Cette étude, basée sur la méthode des équations structurelles, a validé globalement le modèle développé en affirmant la médiation partielle de la capacité d’absorption, mais elle a rejeté, toutefois, l’existence de relations entre les investissements en R&D et la capacité d’absorption. / The purpose of this thesis is the analysis of the Knowledge-Based Innovation (KBI) which describes innovation through the prism of knowledge approach. Innovation seems essentially like a process of creation, application and dissemination of different types of knowledge. This research focuses on the cognitive phase of innovation explained according to a capability approach. We seek to identify organizational capabilities that sustain innovation and to explain how these capabilities are linked to promote innovation based on knowledge. We developed then a conceptual model that establishes the mediating role of absorptive capacity.Our methodology is based on two empirical studies. The first is qualitative, based on exploratory interviews. It enabled to illustrate the studied relationships, to refine our questions and to enrich the conceptual model with two new research proposals. The second study is quantitative. It is based on the administration of the questionnaire designed for French companies which operate mainly in the industrial sector. This study, based on a structural equation method, validated the overall developed model. It asserted the partial mediation of the absorption capacity. However the existence of relationships between investment in R&D and absorptive capacity was rejected

Ce travail vise à développer un cadre générique qui est capable de produire des applications de localisation d'informations à partir d’une caméra (webcam, smartphone) dans des très grands dépôts d'images de documents numérisés et hétérogènes via des descripteurs locaux. Ainsi, dans cette thèse, nous proposons d'abord un ensemble de descripteurs qui puissent être appliqués sur des contenus aux caractéristiques génériques (composés de textes et d’images) dédié aux systèmes de recherche et de localisation d'images de documents. Nos descripteurs proposés comprennent SRIF, PSRIF, DELTRIF et SSKSRIF qui sont construits à partir de l’organisation spatiale des points d’intérêts les plus proches autour d'un point-clé pivot. Tous ces points sont extraits à partir des centres de gravité des composantes connexes de l‘image. A partir de ces points d’intérêts, des caractéristiques géométriques invariantes aux dégradations sont considérées pour construire nos descripteurs. SRIF et PSRIF sont calculés à partir d'un ensemble local des m points d’intérêts les plus proches autour d'un point d’intérêt pivot. Quant aux descripteurs DELTRIF et SSKSRIF, cette organisation spatiale est calculée via une triangulation de Delaunay formée à partir d'un ensemble de points d’intérêts extraits dans les images. Cette seconde version des descripteurs permet d’obtenir une description de forme locale sans paramètres. En outre, nous avons également étendu notre travail afin de le rendre compatible avec les descripteurs classiques de la littérature qui reposent sur l’utilisation de points d’intérêts dédiés de sorte qu'ils puissent traiter la recherche et la localisation d'images de documents à contenu hétérogène. La seconde contribution de cette thèse porte sur un système d'indexation de très grands volumes de données à partir d’un descripteur volumineux. Ces deux contraintes viennent peser lourd sur la mémoire du système d’indexation. En outre, la très grande dimensionnalité des descripteurs peut amener à une réduction de la précision de l'indexation, réduction liée au problème de dimensionnalité. Nous proposons donc trois techniques d'indexation robustes, qui peuvent toutes être employées sans avoir besoin de stocker les descripteurs locaux dans la mémoire du système. Cela permet, in fine, d’économiser la mémoire et d’accélérer le temps de recherche de l’information, tout en s’abstrayant d’une validation de type distance. Pour cela, nous avons proposé trois méthodes s’appuyant sur des arbres de décisions : « randomized clustering tree indexing” qui hérite des propriétés des kd-tree, « kmean-tree » et les « random forest » afin de sélectionner de manière aléatoire les K dimensions qui permettent de combiner la plus grande variance expliquée pour chaque nœud de l’arbre. Nous avons également proposé une fonction de hachage étendue pour l'indexation de contenus hétérogènes provenant de plusieurs couches de l'image. Comme troisième contribution de cette thèse, nous avons proposé une méthode simple et robuste pour calculer l'orientation des régions obtenues par le détecteur MSER, afin que celui-ci puisse être combiné avec des descripteurs dédiés. Comme la plupart de ces descripteurs visent à capturer des informations de voisinage autour d’une région donnée, nous avons proposé un moyen d'étendre les régions MSER en augmentant le rayon de chaque région. Cette stratégie peut également être appliquée à d'autres régions détectées afin de rendre les descripteurs plus distinctifs. Enfin, afin d'évaluer les performances de nos contributions, et en nous fondant sur l'absence d'ensemble de données publiquement disponibles pour la localisation d’information hétérogène dans des images capturées par une caméra, nous avons construit trois jeux de données qui sont disponibles pour la communauté scientifique. / This work aims at developing a generic framework which is able to produce camera-based applications of information spotting in huge repositories of heterogeneous content document images via local descriptors. The targeted systems may take as input a portion of an image acquired as a query and the system is capable of returning focused portion of database image that match the query best. We firstly propose a set of generic feature descriptors for camera-based document images retrieval and spotting systems. Our proposed descriptors comprise SRIF, PSRIF, DELTRIF and SSKSRIF that are built from spatial space information of nearest keypoints around a keypoints which are extracted from centroids of connected components. From these keypoints, the invariant geometrical features are considered to be taken into account for the descriptor. SRIF and PSRIF are computed from a local set of m nearest keypoints around a keypoint. While DELTRIF and SSKSRIF can fix the way to combine local shape description without using parameter via Delaunay triangulation formed from a set of keypoints extracted from a document image. Furthermore, we propose a framework to compute the descriptors based on spatial space of dedicated keypoints e.g SURF or SIFT or ORB so that they can deal with heterogeneous-content camera-based document image retrieval and spotting. In practice, a large-scale indexing system with an enormous of descriptors put the burdens for memory when they are stored. In addition, high dimension of descriptors can make the accuracy of indexing reduce. We propose three robust indexing frameworks that can be employed without storing local descriptors in the memory for saving memory and speeding up retrieval time by discarding distance validating. The randomized clustering tree indexing inherits kd-tree, kmean-tree and random forest from the way to select K dimensions randomly combined with the highest variance dimension from each node of the tree. We also proposed the weighted Euclidean distance between two data points that is computed and oriented the highest variance dimension. The secondly proposed hashing relies on an indexing system that employs one simple hash table for indexing and retrieving without storing database descriptors. Besides, we propose an extended hashing based method for indexing multi-kinds of features coming from multi-layer of the image. Along with proposed descriptors as well indexing frameworks, we proposed a simple robust way to compute shape orientation of MSER regions so that they can combine with dedicated descriptors (e.g SIFT, SURF, ORB and etc.) rotation invariantly. In the case that descriptors are able to capture neighborhood information around MSER regions, we propose a way to extend MSER regions by increasing the radius of each region. This strategy can be also applied for other detected regions in order to make descriptors be more distinctive. Moreover, we employed the extended hashing based method for indexing multi-kinds of features from multi-layer of images. This system are not only applied for uniform feature type but also multiple feature types from multi-layers separated. Finally, in order to assess the performances of our contributions, and based on the assessment that no public dataset exists for camera-based document image retrieval and spotting systems, we built a new dataset which has been made freely and publicly available for the scientific community. This dataset contains portions of document images acquired via a camera as a query. It is composed of three kinds of information: textual content, graphical content and heterogeneous content.

Made available in DSpace on 2016-03-15T19:26:24Z (GMT). No. of bitstreams: 1 Antonio Cesar Barbariniprot.pdf: 5498245 bytes, checksum: 8ee5821aba2d4d3741856a81ee04776b (MD5) Previous issue date: 2015-03-04 / The challenges of the business environment in the 2010s are becoming increasingly complex, with fast-paced changes and different kinds of pressure from competition, customers, regulatory agencies, unions, the economy, etc. In this context, organizations need to be more responsive to change and learn quickly in the face of new demands. In the 80s and 90s, the quality of products and services was the rule to differentiate between companies on the market, which made organizations seek models and systems to ensure compliance with the highest standards of quality required in different markets. In addition, companies increased their standards of operational efficiency, productivity and reliability, but also ended up becoming more similar and only slightly differentiated among themselves. Organizations now face the challenge of adopting more flexible systems, standards and structures in order to facilitate adaptation to the current context, which is extremely dynamic. In this scenario, innovation can help organizations become more competitive, as long as they can continually learn, by taking advantage of the informal learning in the workplace, which represents more than 80% of the total number of learning opportunities. Considering the current levels of complexity, dynamism and uncertainty present in the work environment, errors or failures are by-products of organizational processes and are not necessarily bad; it is important that organizations can quickly learn from the mistakes, through people. Some factors may influence the creation of an environment where people can learn from mistakes, experiment and apply ideas, by adopting innovative work behaviors. This quantitative study seeks to examine the relationship between the factors that influence learning from errors and the innovative work behaviors in a multinational organization in the pharmaceutical segment. The research with employees from different areas received 146 valid responses which were analyzed using confirmatory factor analysis with the SmartPLS 2.0 M3 software. The hypothesis that the Factors that Influence the Learning from Mistakes have positive relationship with the Innovative Work Behaviors was confirmed. The structural coefficient obtained between the two dimensions was 0.618 (p< 0.001), which means that the construct Factors that Influence the Learning from Mistakes explains 38% of the variation in the indices of the Innovative Work Behaviors construct. The companies ability to quickly learn from mistakes and experiments, taking advantage of the human capital potential, particularly through innovative work behaviors, can be a critical aspect of differentiation in the marketplace and a way for companies to obtain competitive advantage. This study aims to contribute to the expansion of knowledge on the subject, highlighting the importance of the proper management of the factors that may influence the learning from mistakes in the work environment. In addition, this study contributes with the validation and adaptation of the original scales of constructs studied to the Brazilian context. / Os desafios do ambiente de negócios nos anos 2010 se tornam cada vez mais complexos, com mudanças em ritmo acelerado e pressões de ordem econômica, regulatória, da concorrência, dos clientes etc. Nesse contexto, as organizações precisam ser mais ágeis, para mudar e aprender rapidamente, diante das novas demandas. Nas décadas de 1980 e 1990, a qualidade dos produtos e serviços servia para diferenciar as empresas no mercado, o que fez com que as organizações buscassem modelos e sistemas para assegurar conformidade com os altos padrões de qualidade exigidos nos diferentes mercados. Além disso, as empresas aumentaram seus padrões de eficácia operacional, produtividade e confiabilidade, mas também acabaram tornando-se mais parecidas e pouco diferenciadas entre si. As organizações agora se deparam com o desafio de adotar sistemas, normas e padrões mais flexíveis, que facilitem a adaptação ao atual contexto extremamente dinâmico. Nesse cenário, a inovação pode ajudar as organizações a se tornarem mais competitivas, desde que possam aprender continuamente, aproveitando especialmente as situações de aprendizagem informal no trabalho, que representam mais de 80% do total das oportunidades de aprendizagem. Considerando os níveis atuais de complexidade, dinamismo e incertezas presentes no ambiente de trabalho, os erros ou falhas acabam sendo subprodutos dos processos organizacionais e não são necessariamente ruins; é importante que as organizações possam aprender rapidamente a partir dos erros, por meio das pessoas. Alguns fatores no âmbito da organização podem influenciar a criação de um ambiente onde as pessoas possam aprender com os erros, experimentar e aplicar ideias, adotando comportamentos inovadores no trabalho. Este estudo de natureza quantitativa busca examinar as relações entre os fatores que influenciam a aprendizagem a partir dos erros e os comportamentos inovadores no trabalho em uma organização multinacional do segmento farmacêutico. A pesquisa com funcionários de diferentes áreas obteve 146 respostas válidas e os dados foram analisados utilizando-se a análise fatorial confirmatória com o software SmartPLS 2.0 M3. A hipótese de que os Fatores que Influenciam a Aprendizagem a Partir dos Erros têm relação positiva com os Comportamentos Inovadores no Trabalho foi confirmada. O coeficiente estrutural obtido entre as dimensões foi de 0,618 (p<0,001), sendo que o construto Fatores que Influenciam a Aprendizagem a Partir dos Erros explica 38% da variação dos índices do construto Comportamentos Inovadores no Trabalho. A capacidade das empresas aprenderem rapidamente a partir dos erros e experimentos, aproveitando o potencial do capital humano existente, especialmente através de comportamentos inovadores no trabalho, pode ser um aspecto crítico para diferenciação no mercado e para a obtenção de vantagem competitiva. Este estudo visa contribuir para a ampliação dos conhecimentos sobre o tema, destacando a importância da gestão adequada dos fatores que influenciam a aprendizagem a partir dos erros no ambiente de trabalho. Adicionalmente, contribui para a validação e adaptação das escalas originais dos construtos estudados para o contexto brasileiro.

L'expérience joue un rôle crucial dans la résolution de problèmes. Dans les activités inventives de résolution de problèmes, l’expérience est composée de deux parties : l’une est le savoir-faire spécifique acquis dans la pratique de la résolution de problèmes passés, l’autre est la connaissance supplémentaire provenant d’autres domaines dans lesquels la résolution de problèmes a déjà été acquise et est utilisée pour résoudre. Cette thèse propose une nouvelle façon de résoudre des problèmes d’invention en capitalisant l’expérience tirée d’activités de résolution de problèmes antérieures. La première contribution est basée sur l'utilisation du raisonnement à partir de cas pour collecter et accéder rapidement aux expériences. La deuxième contribution consiste à proposer une nouvelle façon de classer les effets physiques basé sur l'utilisation de Wikipédia. Pour mettre en œuvre l'approche proposée dans la thèse, une application Web appelée CBRID (Raisonnement à partir de cas pour la Conception Inventive) est développée. Par ailleurs, nous avons mené une série d’expériences pour évaluer notre approche en termes d’efficacité et d’efficience. / Experience plays a crucial role in the resolution of problems. When in inventive problem solving activities, experience is composed of two parts: one is the specific know-how knowledge acquired in the practice of solving previous problems, the other is the additional knowledge from other domains where the problem solver is previously acquired and is used for problem solving. This thesis aims at proposing a new way to solve new inventive problems by capitalizing experience obtained from past problem solving activities. The first contribution is based on the use of the case-based reasoning for collecting and rapidly accessing the experiences. The second contribution consists in proposing a new way to classify the physical effects using Wikipedia. To implement the proposed approach, a web-based application called CBRID (Case-based reasoning for Inventive Design) is developed. A particular case of ''cloth hanger'' is studied to illustrate the problem solving process based on the proposed approach. In addition to that, we conducted a set of experiments to evaluate our approach in terms of effectiveness and efficiency.

La combinaison du traitement sémantique des connaissances (Semantic Processing of Knowledge) et de la modélisation des étapes de raisonnement (Modeling Steps of Reasoning), utilisés dans le domaine clinique, offrent des possibilités intéressantes, nécessaires aussi, pour l’élaboration des ontologies médicales, utiles à l'exercice de cette profession. Dans ce cadre, l'interrogation de banques de données médicales multiples, comme MEDLINE, PubMed… constitue un outil précieux mais insuffisant car elle ne permet pas d'acquérir des connaissances facilement utilisables lors d’une démarche clinique. En effet, l'abondance de citations inappropriées constitue du bruit et requiert un tri fastidieux, incompatible avec une pratique efficace de la médecine.Dans un processus itératif, l'objectif est de construire, de façon aussi automatisée possible, des bases de connaissances médicales réutilisables, fondées sur des ontologies et, dans cette thèse, nous développons une série d'outils d'acquisition de connaissances qui combinent des opérateurs d'analyse linguistique et de modélisation de la clinique, fondés sur une typologie des connaissances mises en œuvre, et sur une implémentation des différents modes de raisonnement employés. La connaissance ne se résume pas à des informations issues de bases de données ; elle s’organise grâce à des opérateurs cognitifs de raisonnement qui permettent de la rendre opérationnelle dans le contexte intéressant le praticien.Un système multi-agents d’aide à la décision clinique (SMAAD) permettra la coopération et l'intégration des différents modules entrant dans l'élaboration d'une ontologie médicale et les sources de données sont les banques médicales, comme MEDLINE, et des citations extraites par PubMed ; les concepts et le vocabulaire proviennent de l'Unified Medical Language System (UMLS).Concernant le champ des bases de connaissances produites, la recherche concerne l'ensemble de la démarche clinique : le diagnostic, le pronostic, le traitement, le suivi thérapeutique de différentes pathologies, dans un domaine médical donné.Différentes approches et travaux sont recensés, dans l’état de question, et divers paradigmes sont explorés : 1) l'Evidence Base Medicine (une médecine fondée sur des indices). Un indice peut se définir comme un signe lié à son mode de mise en œuvre ; 2) Le raisonnement à partir de cas (RàPC) se fonde sur l'analogie de situations cliniques déjà rencontrées ; 3) Différentes approches sémantiques permettent d'implémenter les ontologies.Sur l’ensemble, nous avons travaillé les aspects logiques liés aux opérateurs cognitifs de raisonnement utilisés et nous avons organisé la coopération et l'intégration des connaissances exploitées durant les différentes étapes du processus clinique (diagnostic, pronostic, traitement, suivi thérapeutique). Cette intégration s’appuie sur un SMAAD : système multi-agent d'aide à la décision. / The combination of semantic processing of knowledge and modelling steps of reasoning employed in the clinical field offers exciting and necessary opportunities to develop ontologies relevant to the practice of medicine. In this context, multiple medical databases such as MEDLINE, PubMed are valuable tools but not sufficient because they cannot acquire the usable knowledge easily in a clinical approach. Indeed, abundance of inappropriate quotations constitutes the noise and requires a tedious sort incompatible with the practice of medicine.In an iterative process, the objective is to build an approach as automated as possible, the reusable medical knowledge bases is founded on an ontology of the concerned fields. In this thesis, the author will develop a series of tools for knowledge acquisition combining the linguistic analysis operators and clinical modelling based on the implemented knowledge typology and an implementation of different forms of employed reasoning. Knowledge is not limited to the information from data, but also and especially on the cognitive operators of reasoning for making them operational in the context relevant to the practitioner.A multi-agent system enables the integration and cooperation of the various modules used in the development of a medical ontology.The data sources are from medical databases such as MEDLINE, the citations retrieved by PubMed, and the concepts and vocabulary from the Unified Medical Language System (UMLS).Regarding the scope of produced knowledge bases, the research concerns the entire clinical process: diagnosis, prognosis, treatment, and therapeutic monitoring of various diseases in a given medical field.It is essential to identify the different approaches and the works already done.Different paradigms will be explored: 1) Evidence Based Medicine. An index can be defined as a sign related to its mode of implementation; 2) Case-based reasoning, which based on the analogy of clinical situations already encountered; 3) The different semantic approaches which are used to implement ontologies.On the whole, we worked on logical aspects related to cognitive operators of used reasoning, and we organized the cooperation and integration of exploited knowledge during the various stages of the clinical process (diagnosis, prognosis, treatment, therapeutic monitoring). This integration is based on a SMAAD: multi-agent system for decision support.

Cette thèse porte sur l'utilisation d'ontologies et de bases de connaissances pour guider différentes étapes du processus d'Extraction de Connaissances à partir de Bases de Données (ECBD) et sur une application en pharmacogénomique. Les données relatives à ce domaine sont hétérogènes, complexes, et distribuées dans diverses bases de données, ce qui rend cruciale l'étape préliminaire de préparation et d'intégration des données à fouiller. Je propose pour guider cette étape une approche originale d'intégration de données qui s'appuie sur une représentation des connaissances du domaine sous forme de deux ontologies en logiques de description : SNP-Ontology et SO-Pharm. Cette approche a été implémentée grâce aux technologies du Web sémantique et conduit au peuplement d'une base de connaissances pharmacogénomique. Le fait que les données à fouiller soient alors disponibles dans une base de connaissances entraîne de nouvelles potentialités pour le processus d'extraction de connaissances. Je me suis d'abord intéressé au problème de la sélection des données les plus pertinentes à fouiller en montrant comment la base de connaissances peut être exploitée dans ce but. Ensuite j'ai décrit et appliqué à la pharmacogénomique, une méthode qui permet l'extraction de connaissances directement à partir d'une base de connaissances. Cette méthode appelée Analyse des Assertions de Rôles (ou AAR) permet d'utiliser des algorithmes de fouille de données sur un ensemble d'assertions de la base de connaissances pharmacogénomique et d'expliciter des connaissances nouvelles et pertinentes qui y étaient enfouies.

Le travail effectué durant cette thèse concerne l'étude des méthodes d'Extraction de Connaissances à partir de Données (ECD) dans le cadre des Systèmes d'Information Géographiques (SIG). Nous avons non seulement mis en œuvre et amélioré des méthodes d'ECD classique (Classification de Données, Visualisation de Classifications) mais aussi des méthodes d'ECD spatiales liées à des méthodes d'analyse spatiale (Lissage Spatial, Détermination de Pôles, Sectorisation). Nous avons effectué notre travail de recherche au sein de la société GÉOBS spécialisée dans l'analyse des données géographiques (spatiales), et nous avons donc expérimenté, appliqué et vérifié ces méthodes sur des jeux de données fournis par GÉOBS et liés à des problématiques de Développement Économique, de Géomarketing, d'Analyse de Risque, d'Environnement, de Santé, etc. Ce mémoire offre une vision globale concernant un ensemble de problématiques et de méthodes d'analyse. Il met ainsi en avant la complémentarité des méthodes utilisées qui sont souvent connectées entre elles soit du point de vue technique soit du point de vue de leur utilisation. Finalement, ce fut un travail très enrichissant car il a touché à de nombreuses problématiques et à d'aussi nombreuses méthodes d'extraction de connaissances.

L'idée générale de cette thèse est d'évaluer la plausibilité cognitive de modèles de raisonnement couramment utilisés en Intelligence Artificielle en les mettant en correspondance avec le raisonnement humain, ceci dans des situations de supervision de systèmes dynamiques. Pour cela, un micro-monde lié au domaine de la physique hydraulique est utilisé. Il s'agit donc en premier lieu de développer des opérateurs artificiels capables de superviser ce processus, chacun dans un "style cognitif" spécifique. Trois types d'agents ont ainsi été mis au point, basés sur le raisonnement qualitatif, la classification à partir d'exemples, et le raisonnement à base de cas. La seconde phase consiste à comparer les séquences d'actions correspondant aux raisonnements d'un opérateur humain et d'un agent artificiel durant la tâche de supervision, notamment par l'intermédiaire de la découverte des intentions associées aux actions, puis à définir une coopération entre ces trois modes fondamentaux de raisonnement.