La thèse défendue dans de document commence par un examen des approches d'évaluation de performances dans le cadre de la perception artificielle, et comment elle se rapporte aux limites ( et l'inévitable subjectivité) de la spécification de la vérité terrain. Elle établit qu'il existe une ambiguïté intrinsèque dans son interprétation et son analyse, notamment dans le cadre de l'analyse du document de l'image. Après avoir établi le fait que l'interprétation est nécessairement ambigüe et que cette ambiguïté provient essentiellement de l'existence différents contextes plus ou moins compatibles, notre objectif global est d'étudier si on peut: * établir une forme de description du contexte qui est adaptée à la perception artificielle ( et de l'analyse de documents en particulier) et si elle peut être obtenue automatiquement par des techniques d'apprentissage statistique ou formelle ; * utiliser la description du contexte pour évaluer les performances d'algorithmes ; * utiliser la description de contexte pour décrire les données, de sorte à ce que cette description peut être utilisée pour des applications de recherche d'information ; * établir des limites ou des restrictions formelles pour les descriptions décrites précédemment et déterminer s'il existe des interprétations qui sont prouvablement impossibles à être obtenues par un algorithme. S'il existe effectivement une classe de problèmes d'interprétation qui ne peuvent pas être résolus par un algorithme, la seconde question serait de savoir si cette classe peut être caractérisée d'une façon ou d'une autre.

L'objectif de cette thèse est d'appliquer, aux problèmes de fusion de données, les techniques de résolution des CSP (Problèmes de Satisfaction de Contraintes) sur des pavés réels avec comme application réelle la localisation dynamique d'un véhicule à l'aide des capteurs odométriques, d'un gyromètre de lacet et d'un GPS différentiel.<br />Après avoir mené cette étude et tiré des conclusions, deux contributions sont faites pour améliorer les techniques de satisfaction de contraintes utilisées. Dans un premier temps, la notion de "domaine de consistance" est introduite. Les propriétés qui lui sont associées permettent de résoudre de manière formelle des exemples de cycles. Grâce à cet outil, on améliore la précision des pavés obtenus tout en ayant une information précieuse du temps de calcul a priori. Dans un second temps, l'algorithme de propagation connu sous le nom de FALL/CLIMB permettant de résoudre de façon optimale un CSP ayant une représentation graphique sous forme de graphe est généralisé aux CSP vectorisés appelés "VCSP".