L'anévrisme de l'aorte abdominale est une pathologie devant être traitée par chirurgie quand son diamètre atteint 5.5cm, en raison d’un risque de rupture qui est souvent mortelle. La chirurgie endovasculaire consiste à déployer une endoprothèse dans l’anévrisme pour l’exclure de la circulation sanguine. Cette chirurgie souffre cependant d'un taux relativement élevé de complications post-opératoires à long terme, nécessitant des interventions coûteuses. Ces complications sont principalement d’origine mécanique et pourraient être anticipées grâce à la simulation numérique.Cette thèse a pour objectif d'élaborer une méthodologie de simulation personnalisée de déploiement d'endoprothèses dans des anévrismes, dans le but final de fournir un outil d'aide à la décision aux praticiens hospitaliers pour améliorer leur planning pré-opératoire.Une méthodologie permettant de déployer numériquement des endoprothèses bifurquées, composées de plusieurs modules, dans des anévrismes aortiques personnalisés, de géométries quelconques, a été conçue. Des simulations numériques ont été effectuées sur cinq cas cliniques réels, dont des cas fortement tortueux et complexes àplanifier pour les praticiens hospitaliers. La méthodologie a été validée par comparaison des résultats numériques avec la position des stents sur les scanners post-opératoires.La capacité de la méthodologie numérique à simuler le déploiement d’endoprothèses dans des géométries personnalisées d’anévrismes aortiques a été démontrée. Ces simulations possèdent un fort potentiel, en pouvant permettre de mieux adapter les endoprothèses aux patients et d’anticiper les complications post-opératoires dès le planning pré-opératoire. / Abdominal aortic aneurysm is a pathology which needs to be treated by surgery when its diameter reaches 5.5cm, due to high risk of rupture that is often lethal. Endovascular repair consists in deploying a stent-graft inside the aneurysmal sac to exclude it from the blood flow. However, the drawback of this surgery is the relatively important post-operative complication rate at long-term, requiring costly secondary interventions. The origin of these complications is mainly related to mechanics and therefore, they could be prevented thanks to numerical simulation.The objective of this thesis is to elaborate a simulation methodology to deploy in silico stent-grafts in patient-specific aneurysms. The ultimate goal is to provide practioners with a computer aided decision tool to improve their pre-operative planning.A methodology was developed to simulate the deployment of bifurcated stent-grafts, composed of several modules, in patient-specific aortic aneurysms, whatever their geometry. Finite-element analyses were performed on several clinical cases from real patients, some of them which were highly tortuous and complex for practioners to achieve an accurate preoperative planning. The methodology was validated by comparing numerical results with the position of the stents in the post-operative scans.The ability of finite-element analyses to simulate stent-graft deployment in patient-specific aortic aneurysm geometries was proved in this thesis. Simulations have great potential for adapting stent-grafts to each patient and for anticipating possible post-operative complications at the stage of pre-operative planning.

L'objectif de ce travail de thèse est la conception d'un système de haut-parleurs transportable, capable de générer un champ sonore prédéfini et focalisé avec un contraste spatial élevé. Ce système doit permettre à terme d'effectuer différents types d'études, par exemple des essais de transparence acoustique ou encore des essais vibratoires en conditions non-anéchoïques. La minimisation du nombre de canaux à piloter ainsi que du nombre des transducteurs est l'un des enjeux principaux du travail. Le choix du nombre de sources et la sélection de leurs positions optimales afin de générer un champ acoustique cible n'a pas de solution triviale. Pour répondre à cette question, la méthode proposée se base sur la décomposition du rayonnement d’une source en série de fonctions orthogonales indépendantes (les"modes de rayonnement"), construits numériquement via une décomposition en valeurs singulières de la matrice d'impédance. En filtrant les termes évanescents, le champ lointain peut être reconstruit à l'aide d'un faible nombre de termes. De plus, la méthode permet d'estimer une distribution de débit efficace pour générer le champ cible. La méthode proposée étant relativement peu étudiée dans la littérature, la première partie de la thèse a été consacrée au problème de la validation expérimentale de la méthode directe et à l'étude des principaux paramètres en influençant le résultat. La problématique du positionnement des sources permettant de synthétiser un champ sonore prédéfini et focalisé est abordée dans la deuxième partie du travail. / The goal of this thesis is the design of a transportable speaker system, able to generate a predefined and focused sound field with a high spatial contrast. This system has eventually to allow carrying out different types of studies, for example acoustic transmission loss tests or vibration tests in non-anechoic conditions. The minimization of the number of driven channels and the number of transducers is one of the main goals of the work. The choice of the number of sources and the selection of their optimal positions in order to generate a target acoustic field has no trivial solution. To answer this question, the proposed method is based on the decomposition of the source radiation into a series of independent orthogonal functions (the "radiation modes"), constructed numerically via a singular value decomposition of the impedance matrix. By filtering the evanescent terms, the far field can be reconstructed using a small number of terms. In addition, the method allows the estimation of an efficient flow distribution to generate the target field. With the proposed method having been scarcely studied in the literature, the first part of the thesis is devoted to the problem of the experimental validation of the direct method and the study of the main parameters that are influencing the result. The problem of sources positioning in order to synthesize a predefined and focused sound field is discussed in the second part of the thesis.

In today’s world, where online news is so widespread, various methods have been developed in order to provide users with personalized news recommendations. Wonderful accomplish ments have been made when it comes to providing readers with everything that could attract their attention. While accuracy is critical in news recommendation, other factors, such as diversity, novelty, and reliability, are essential in satisfying the readers’ satisfaction. In fact, technological advancements bring additional challenges which might have a detrimental im pact on the news domain. Therefore, researchers need to consider the new threats in the development of news recommendations. Fake news, in particular, is a hot topic in the media today and a new threat to public safety. This work presents a modularized system capable of recommending news to the user and detecting fake news, all while helping users become more aware of this issue. First, we suggest FANAR, FAke News Aware Recommender system, a modification to news recommendation algorithms that removes untrustworthy persons from the candidate user’s neighbourhood. To do this, we created a probabilistic model, the Beta Trust model, to calculate user rep utation. For the recommendation process, we employed Graph Neural Networks. Then, we propose EXMULF, EXplainable MUltimodal Content-based Fake News Detection Sys tem. It is tasked with the veracity analysis of information based on its textual content and the associated image, together with an Explainable AI (XAI) assistant that is tasked with combating the spread of fake news. Finally, we try to raise awareness about fake news by providing personalized alerts based on user reliability. To fulfill the objective of this work, we build a new dataset named FNEWR. Our exper iments reveal that EXMULF outperforms 10 state-of-the-art fake news detection models in terms of accuracy. It is also worth mentioning that FANAR , which takes into account vi sual information in news, outperforms competing approaches based only on textual content. Furthermore, it reduces the amount of fake news found in the recommendations list / De nos jours, où les actualités en ligne sont si répandues, diverses méthodes ont été dé veloppées afin de fournir aux utilisateurs des recommandations d’actualités personnalisées. De merveilleuses réalisations ont été faites lorsqu’il s’agit de fournir aux lecteurs tout ce qui pourrait attirer leur attention. Bien que la précision soit essentielle dans la recommandation d’actualités, d’autres facteurs, tels que la diversité, la nouveauté et la fiabilité, sont essentiels pour satisfaire la satisfaction des lecteurs. En fait, les progrès technologiques apportent des défis supplémentaires qui pourraient avoir un impact négatif sur le domaine de l’information. Par conséquent, les chercheurs doivent tenir compte des nouvelles menaces lors de l’élabo ration de nouvelles recommandations. Les fausses nouvelles, en particulier, sont un sujet brûlant dans les médias aujourd’hui et une nouvelle menace pour la sécurité publique. Au vu des faits mentionnés ci-dessus, ce travail présente un système modulaire capable de détecter les fausses nouvelles, de recommander des nouvelles à l’utilisateur et de les aider à être plus conscients de ce problème. Tout d’abord, nous suggérons FANAR, FAke News Aware Recommender system, une modification d’algorithme de recommandation d’actuali tés qui élimine les personnes non fiables du voisinage de l’utilisateur candidat. A cette fin, nous avons créé un modèle probabiliste, Beta Trust Model, pour calculer la réputation des utilisateurs. Pour le processus de recommandation, nous avons utilisé Graph Neural Net works. Ensuite, nous proposons EXMULF, EXplainable MUltimodal Content-based Fake News Detection System. Il s’agit de l’analyse de la véracité de l’information basée sur son contenu textuel et l’image associée, ainsi qu’un assistant d’intelligence artificielle Explicable (XAI) pour lutter contre la diffusion de fake news. Enfin, nous essayons de sensibiliser aux fake news en fournissant des alertes personnalisées basées sur le profil des utilisateurs. Pour remplir l’objectif de ce travail, nous construisons un nouveau jeu de données nommé FNEWR. Nos résultats expérimentaux montrent qu’EXMULF surpasse 10 modèles de pointe de détection de fausses nouvelles en termes de précision. Aussi, FANAR qui prend en compte les informations visuelles dans les actualités, surpasse les approches concurrentes basées uniquement sur le contenu textuel. De plus, il permet de réduire le nombre de fausses nouvelles dans la liste des recommandations.