Perceiving or understanding the environment surrounding of a vehicle is a very important step in building driving assistant systems or autonomous vehicles. In this thesis, we focus on using laser scanner as a main perception sensor in context of dynamic outdoor environments. To solve this problem, we have to deal with 3 main tasks: (1) identify static part and dynamic entities moving in the environment, (2) use static part of the environment to build a map of the environment and localize the vehicle inside this map: this task is know as "Simultaneous Localization And Mapping" (SLAM) and finally (3) Detect And Track Moving Objects (DATMO). Regarding SLAM, the first contribution of this research is made by a grid-based approach\footnote{An occupancy grid is a decomposition of the environment in rectangular cells where each cell contains the probability that it is occupied by an obstacle.} to solve both problems of SLAM and detection of moving objects. To correct vehicle location from odometry we introduce a new fast incremental scan matching method that works reliably in dynamic outdoor environments. After good vehicle location is estimated, the surrounding map is updated incrementally and moving objects are detected without a priori knowledge of the targets. Our second contribution is an efficient, precise and multiscale representation of 2D/3D environment. This representation is actually an extension of occupancy grid where (1) only cells corresponding to occupied part of the environment are stored and updated (2) where cells are represented by a cluster of gaussian to have a fine representation of the environment and (3) where several occupancy grids are used to store and update a multiscale representation of the environment. Regarding DATMO, we firstly present a method of simultaneous detection, classification and tracking moving objects. A model-based approach is introduced to interpret the laser measurement sequence over a sliding window of time by hypotheses of moving object trajectories. The data-driven Markov chain Monte Carlo (DDMCMC) technique is used to explore the hypothesis space and effectively find the most likely solution. An other important problem to solve regarding DATMO is the definition of an appropriate dynamic model. In practice, objects can change their dynamic behaviors over time (e.g. : stopped, moving, accelerating, etc...). To adapt to these changing behaviors, a multiple dynamic model is generally required. But, this set of dynamic models and interactions between these models are always given a priori. Our second contribution on DATMO is a method to guide in the choice of motion models and in the estimation of interactions between these motion models. The last part of this thesis reports integration of these contributions on different experimental platforms in the framework of some national and european projects. Evaluations are presented which confirm the robustness and reliability of our contributions.

Au-delà des performances économiques classiques, les entreprises sont confrontées aussi aujourd'hui à des exigences plus sociétales liés à la sécurité des hommes et des matériels, à la protection de l'environnement et à la réduction des nuisances ... afin de faire face efficacement aux impératifs du marché et des réglementations, aux besoins des clients mais aussi aux nécessités du développement durable. La maîtrise simultanée des ces performances considérées comme contradictoires et donc très difficiles à gérer, est ainsi devenue un enjeu stratégique pour améliorer la performance globale de l'entreprise. Cet enjeu se décline concrètement au niveau opérationnel du système industriel par le concept de maintien en condition opérationnelle (MCO) dont la finalité est d'assurer principalement le bon fonctionnement du système tout au long de la phase d'exploitation.<br />Par rapport aux différentes composantes du MCO, notamment le soutien technique et le soutien logistique, ces travaux de thèse, initiés dans le cadre d'un partenariat avec l'INRETS, se restreignent au contexte du processus pivot du soutien technique: le processus de maintenance. Ce processus est considéré actuellement comme l'un des principaux leviers d'action sur la performance globale des systèmes industriels avec cependant encore de nombreuses problématiques scientifiques à résoudre pour en garantir son optimisation.<br />Par conséquent les propositions défendues scientifiquement dans cette thèse, et qui s'adossent au contexte industriel du MCO des rails à la RATP, portent globalement sur une contribution au processus de maintenance en se focalisant plus précisément sur les sous processus complémentaires de diagnostic et d'aide à la décision. En effet, une première contribution a pour objet de proposer le développement d'un système de diagnostic (de détection de rail cassé) basé sur une nouvelle approche permettant de fusionner des connaissances a priori avec des résultats du traitement des mesures réelles issues de capteurs. Une deuxième contribution propose deux approches originales d'aide la décision en maintenance des systèmes à n-composants permettant de réduire le coût global de possession (Life Cycle Cost: LCC) d'un système complexe à partir d'une modélisation de la dégradation des composants, et en intégrant simultanément plusieurs types de dépendances telles que les dépendances fonctionnelles et économiques. Ces deux dernières approches portent sur les politiques de maintenance préventive, et plus particulièrement sur la maintenance conditionnelle et prévisionnelle.<br /><br />Contexte et problématique industriels de la thèse<br />Le rail est un organe vital dans le transport ferroviaire. Sa sûreté et sa maintenance conditionnent le bon fonctionnement de tout le réseau de transport. Les exploitants ferroviaires, ayant pour priorité d'assurer la sécurité et le bien-être des passagers, accordent un intérêt de plus en plus particulier à cet organe de l'infrastructure. En effet, l'accroissement de la vitesse des trains, de la densité du trafic, des charges par essieux et de la puissance des engins moteurs ont pour conséquence d'exercer sur les voies ferroviaires des sollicitations toujours plus grandes qui peuvent, à la longue, mettre en cause l'intégrité des rails. Le maintien en conditions opérationnelles de cet organe est devenu donc une préoccupation majeure des exploitants ferroviaire.<br />Par exemple bien que l'occurrence des fissures soit rare sur le métro parisien, la RATP a étudié de près les effets de ces ruptures sur plusieurs plans: mécanique, électrique, économique et sécuritaire, et a mis en évidence la nécessité de concevoir un nouveau système automatique de détection qui permet de remplacer la fonction de détection de rail cassé assurée auparavant par le circuit de voie (CdV).<br />Dans ce cadre, un capteur à courants de Foucault a été développé par l'INRETS en partenariat avec la RATP dans le cadre du programme national de recherche et d'innovation dans les transports terrestres. Ce dispositif doit assurer une détection de défauts de rails sans contact avec des contraintes électrique, mécanique, de positionnement, de pollution, etc. Ce système avait pour but initial la détection des fissures débouchantes. Étant capable de détecter aussi toute modification de la géométrie de la surface de rail, ou de ses caractéristiques magnétiques, le capteur permet en plus de relever quelques irrégularités sur la voie autre que les ruptures. Un étiquetage de ces points a été mis en œuvre ce qui offre au système de diagnostic, lors du passage du véhicule auquel il est adjoint, la possibilité d'identifier des points singuliers tels que les joints ou les écailles qui sont une source d'information très utile pour la mise en œuvre d'une maintenance plus dynamique et donc plus optimale. <br />En effet à l'heure actuelle, les actions de maintenance des voies ferrées sont essentiellement correctives ou sont exécutées à intervalles de temps prédéterminés. Dans ses études, la RATP a conclu que ces deux types de politiques sont trop coûteux et peu sûrs, et a mis en évidence le besoin d'évoluer vers de nouvelles stratégies de maintenance pour assurer à la fois la sécurité et la disponibilité des installations à moindre coût. Par ailleurs, des études récentes ont montré que la prise en compte d'un certain nombre de paramètres significatifs de la dégradation de rails devait permettre d'affiner les politiques de maintenance et, ainsi, d'améliorer la qualité de service, la disponibilité, la sécurité et les coûts. Pour aboutir à cette finalité, la maintenance des rails ne doit plus être limitée à la seule vision du composant (portion de rail) siège de la défaillance, mais à l'étude du système dans sa globalité (système à n-composants). Les décisions relatives à la maintenance ne peuvent donc plus être isolées de leur contexte et doivent s'inscrire dans un lien plus fort entre surveillance – diagnostic et aide à la décision. <br />Sur la base de ce double constat industriel en diagnostic et décision, les travaux de recherche menés dans cette thèse ont pour objet, relativement au contexte RATP, d'investiguer de nouvelles orientations pour les politiques de maintenance des rails permettant à la fois de corriger efficacement les défauts (maintenance corrective), et de les anticiper (maintenance préventive) en suivant des prévisions extrapolées de l'analyse et de l'évaluation des paramètres significatifs de la dégradation des rails (informations issues du diagnostic). Ces approches doivent se baser essentiellement sur les aspects d'optimisation des coûts liés à la maintenance et à ses conséquences.<br /><br />Approche proposée<br />Face à la problématique industrielle RATP genèse de cette thèse, la démarche scientifique mise en œuvre se décline naturellement en deux phases complémentaires. Tout d'abord, il s'agit d'améliorer le système de diagnostic existant (capteur à courants de Foucault) pour la détection des défauts afin de garantir des résultats fiables sur l'état de dégradation des rails. Dans ce cadre, nous proposons une méthode de diagnostic originale se basant sur une fusion de deux sources d'informations de natures différentes : Approche Locale et Approche Globale. La deuxième phase de cette étude consiste ensuite à donner deux nouvelles approches pour contribuer à l'optimisation de la maintenance conditionnelle et prévisionnelle des systèmes formés par plusieurs composants en tenant compte de certains type de dépendances, notamment économique et fonctionnelles<br />Organisation du Rapport<br />Cette démarche se développe dans le mémoire sous la forme de 4 chapitres :<br />- Le premier chapitre permet de définir globalement le processus de maintenance à la fois d'un point de vue général mais aussi relativement au contexte industriel. A partir de l'état de l'art sur les différentes politiques de maintenance, sont isolés de façon plus précise les processus clés de diagnostic et d'aide à la décision. Un premier constat est fait aussi sur les insuffisances des politiques de maintenance utilisées actuellement par l'exploitant ferroviaire RATP et la nécessité de proposer des nouvelles politiques qui sont plus efficaces et moins coûteuses. Ce constat permet de positionner le contexte de nos contributions et de les justifier.<br />- le deuxième chapitre est consacré à l'étude du sous processus de diagnostic. Son objectif est d'expliquer la procédure de mise en œuvre de l'approche locale que nous proposons. En ce sens ce chapitre est structuré en trois grandes parties. La première partie est consacrée à présenter et analyser les données fournies par la RTAP décrivant la structure des voies. A l'issue de cette étape, un état de l'art des méthodes d'analyse et de traitement de ces données est réalisé dans l'optique de choisir la meilleure alternative. La mise en œuvre de la méthode choisie est décrite ensuite en fin du chapitre 2.<br />- Le troisième chapitre complète le deuxième et présente une généralisation des outils utilisés pour la mise en œuvre de l'approche locale, puis il explique la procédure de fusion entre l'approche locale et l'approche globale.<br />- Enfin, le dernier chapitre est consacré au développement d'une démarche générique, basée sur une combinaison des réseaux bayésiens dynamiques et des processus décisionnels de Markov, pour l'optimisation de la maintenance conditionnelle et prévisionnelle des systèmes à N-composants.<br /><br />En synthèse, notre proposition fournit un cadre de modélisation théorique contribuant à l'optimisation du LCC d'un système tout en intégrant différents types de dépendances entre ses composants. La mise en œuvre de notre proposition est déroulée, dans un premier temps, sur un exemple illustratif puis appliquée en dernière étape dans le cadre de la maintenance des rails.

Cette thèse est concernée avec la modélisation statistique du signal de parole appliqué à la vérification du locuteur (VL) en utilisant des réseaux bayésiens (RBs). L'idée principale de ce travail est d'employer les RBs comme un outil mathématique afin de combiner plusieurs sources d'information obtenues à partir du signal de parole en gardant ses relations. Elle combine de travail théorique et expérimental. Une différence fondamentale entre les systèmes de VL et les humains est la quantité et la qualité de l'information utilisée ainsi que la relation entre les sources d'information employées pour prendre des décisions. L'identité d'un locuteur est codée dans plusieurs sources d'information qui peuvent être modélisées par des RBs. La première partie de cette thèse passe en revue les modules principaux des systèmes de VL, les sources possibles d'information aussi bien que les concepts de base des modèles graphiques. La deuxième partie de cette thèse aborde le module de modélisation du système de VL proposé. On propose une nouvelle façon d'approcher les problèmes liés aux systèmes de VL. Il est décrit comment apprendre les relations d'indépendance conditionnelle parmi les variables directement à partir des données. Enfin, nous proposons une technique pour adapter les RBs basée sur certaines caractéristiques mathématiques des relations d'indépendance conditionnelles. Cette adaptation est basée sur une mesure entre les distributions de probabilité conditionnelles entre des variables discrètes, et de la même façon, sur la matrice de régression pour des variables continues. A l'issue de nos recherches, l'intérêt d'employer les RBs dans les systèmes de VL est clairement montré.

En réponse au besoin croissant de réutiliser les connaissances déjà existantes lors de l'apprentissage des réseaux bayésiens causaux, les connaissances sémantiques contenues dans les ontologies de domaine présentent une excellente alternative pour assister le processus de découverte causale avec le minimum de coût et d'eff ort. Dans ce contexte, la présente thèse s'intéresse plus particulièrement au crossing-over entre les réseaux bayésiens causaux et les ontologies et établit les bases théoriques d'une approche cyclique intégrant les deux formalismes de manière interchangeable. En premier lieu, on va intégrer les connaissances sémantiques contenues dans les ontologies de domaine pour anticiper les meilleures expérimentations au travers d'une stratégie fortuite (qui, comme son nom l'indique, mise sur l'imprévu pour dégager les résultats les plus impressionnants). En e et, les connaissances sémantiques peuvent inclure des relations causales en plus de la structure hiérarchique. Donc au lieu de refaire les mêmes efforts qui ont déjà été menés par les concepteurs et éditeurs d'ontologies, nous proposons de réutiliser les relations (sémantiquement) causales en les adoptant comme étant des connaissances à priori. Ces relations seront alors intégrées dans le processus d'apprentissage de structure (partiellement) causale à partir des données d'observation. Pour compléter l'orientation du graphe causal, nous serons en mesure d'intervenir activement sur le système étudié. Nous présentons également une stratégie décisionnelle basée sur le calcul de distances sémantiques pour guider le processus de découverte causale et s'engager davantage sur des pistes inexplorées. L'idée provient principalement du fait que les concepts les plus rapprochés sont souvent les plus étudiés. Pour cela, nous proposons de renforcer la capacité des ordinateurs à fournir des éclairs de perspicacité en favorisant les expérimentations au niveau des concepts les plus distants selon la structure hiérarchique. La seconde direction complémentaire concerne un procédé d'enrichissement par lequel il sera possible de réutiliser ces découvertes causales et soutenir le caractère évolutif de l'ontologie. Une étude expérimentale a été conduite en utilisant les données génomiques concernant Saccharomyces cerevisiae et l'Ontologie des Gènes pour montrer les potentialités de l'approche SemCaDo dans des domaines ou les expérimentations sont généralement très coûteuses, complexes et fastidieuses.

La prédiction et l'inférence sur des données temporelles sont très souvent effectuées en utilisant uniquement les séries temporelles. Nous sommes convaincus que ces tâches pourraient tirer parti de l'utilisation des métadonnées contextuelles associées aux séries temporelles, telles que l'emplacement, le type, etc. Réciproquement, les tâches de prédiction et d'inférence sur les métadonnées pourraient bénéficier des informations contenues dans les séries temporelles. Cependant, il n'existe pas de méthode standard pour modéliser conjointement les données de séries temporelles et les métadonnées descriptives. De plus, les métadonnées contiennent fréquemment des informations hautement corrélées ou redondantes et peuvent contenir des erreurs et des valeurs manquantes.Nous examinons d’abord le problème de l’apprentissage de la structure graphique probabiliste inhérente aux métadonnées en tant que réseau Bayésien. Ceci présente deux avantages principaux: (i) une fois structurées en tant que modèle graphique, les métadonnées sont plus faciles à utiliser pour améliorer les tâches sur les données temporelles et (ii) le modèle appris permet des tâches d'inférence sur les métadonnées uniquement, telles que l'imputation de données manquantes. Cependant, l'apprentissage de la structure de réseau Bayésien est un défi mathématique conséquent, impliquant un problème d'optimisation NP-difficile. Pour faire face à ce problème, nous présentons un algorithme d'apprentissage de structure sur mesure, inspiré de nouveaux résultats théoriques, qui exploite les dépendances (quasi)-déterministes généralement présentes dans les métadonnées descriptives. Cet algorithme est testé sur de nombreux jeux de données de référence et sur certains jeux de métadonnées industriels contenant des relations déterministes. Dans les deux cas, il s'est avéré nettement plus rapide que l'état de la l'art, et a même trouvé des structures plus performantes sur des données industrielles. De plus, les réseaux Bayésiens appris sont toujours plus parcimonieux et donc plus lisibles.Nous nous intéressons ensuite à la conception d'un modèle qui inclut à la fois des (méta)données statiques et des données temporelles. En nous inspirant des modèles graphiques probabilistes pour les données temporelles (réseaux Bayésiens dynamiques) et de notre approche pour la modélisation des métadonnées, nous présentons une méthodologie générale pour modéliser conjointement les métadonnées et les données temporelles sous forme de réseaux Bayésiens hybrides statiques-dynamiques. Nous proposons deux algorithmes principaux associés à cette représentation: (i) un algorithme d'apprentissage qui, bien qu'optimisé pour les données industrielles, reste généralisable à toute tâche de fusion de données statiques et dynamiques, et (ii) un algorithme d'inférence permettant les d'effectuer à la fois des requêtes sur des données temporelles ou statiques uniquement, et des requêtes utilisant ces deux types de données.%Nous fournissons ensuite des résultats sur diverses applications inter-domaines telles que les prévisions, le réapprovisionnement en métadonnées à partir de séries chronologiques et l’analyse de dépendance d’alarmes en utilisant les données de certains cas d’utilisation difficiles de Schneider Electric.Enfin, nous approfondissons certaines des notions introduites au cours de la thèse, et notamment la façon de mesurer la performance en généralisation d’un réseau Bayésien par un score inspiré de la procédure de validation croisée provenant de l’apprentissage automatique supervisé. Nous proposons également des extensions diverses aux algorithmes et aux résultats théoriques présentés dans les chapitres précédents, et formulons quelques perspectives de recherche. / Prediction and inference on temporal data is very frequently performed using timeseries data alone. We believe that these tasks could benefit from leveraging the contextual metadata associated to timeseries - such as location, type, etc. Conversely, tasks involving prediction and inference on metadata could benefit from information held within timeseries. However, there exists no standard way of jointly modeling both timeseries data and descriptive metadata. Moreover, metadata frequently contains highly correlated or redundant information, and may contain errors and missing values.We first consider the problem of learning the inherent probabilistic graphical structure of metadata as a Bayesian Network. This has two main benefits: (i) once structured as a graphical model, metadata is easier to use in order to improve tasks on temporal data and (ii) the learned model enables inference tasks on metadata alone, such as missing data imputation. However, Bayesian network structure learning is a tremendous mathematical challenge, that involves a NP-Hard optimization problem. We present a tailor-made structure learning algorithm, inspired from novel theoretical results, that exploits (quasi)-determinist dependencies that are typically present in descriptive metadata. This algorithm is tested on numerous benchmark datasets and some industrial metadatasets containing deterministic relationships. In both cases it proved to be significantly faster than state of the art, and even found more performant structures on industrial data. Moreover, learned Bayesian networks are consistently sparser and therefore more readable.We then focus on designing a model that includes both static (meta)data and dynamic data. Taking inspiration from state of the art probabilistic graphical models for temporal data (Dynamic Bayesian Networks) and from our previously described approach for metadata modeling, we present a general methodology to jointly model metadata and temporal data as a hybrid static-dynamic Bayesian network. We propose two main algorithms associated to this representation: (i) a learning algorithm, which while being optimized for industrial data, is still generalizable to any task of static and dynamic data fusion, and (ii) an inference algorithm, enabling both usual tasks on temporal or static data alone, and tasks using the two types of data.%We then provide results on diverse cross-field applications such as forecasting, metadata replenishment from timeseries and alarms dependency analysis using data from some of Schneider Electric’s challenging use-cases.Finally, we discuss some of the notions introduced during the thesis, including ways to measure the generalization performance of a Bayesian network by a score inspired from the cross-validation procedure from supervised machine learning. We also propose various extensions to the algorithms and theoretical results presented in the previous chapters, and formulate some research perspectives.

La Voix sur IP (VoIP) est devenue un paradigme majeur pour fournir des services de télécommunications flexibles tout en réduisant les coûts opérationnels. Le déploiement à large échelle de la VoIP est soutenu par l'accès haut débit à l'Internet et par la standardisation des protocoles dédiés. Cependant, la VoIP doit également faire face à plusieurs risques comprenant des vulnérabilités héritées de la couche IP auxquelles s'ajoutent des vulnérabilités spécifiques. Notre objectif est de concevoir, implanter et valider de nouveaux modèles et architectures pour assurer une défense préventive, permettre le monitorage et la détection d'intrusion dans les réseaux VoIP.<br /><br />Notre travail combine deux domaines: celui de la sécurité des réseaux et celui de l'intelligence artificielle. Nous renforcons les mécanismes de sécurité existants en apportant des contributions sur trois axes : Une approche basée sur des mécanismes d'apprentissage pour le monitorage de trafic de signalisation VoIP, un pot de miel spécifique, et un modèle de corrélation des évenements pour la détection d'intrusion. Pour l'évaluation de nos solutions, nous avons développés des agents VoIP distribués et gérés par une entité centrale. Nous avons développé un outil d'analyse des traces réseaux de la signalisation que nous avons utilisé pour expérimenter avec des traces de monde réel. Enfin, nous avons implanté un prototype de détection d'intrusion basé sur des règles de corrélation des événements.

L'auteur n'a pas fourni de résumé en français / This thesis focuses on semi-autonomous wheelchair navigation. We aim to design asystem respecting the following constraints.Safety: The system must avoid collisions with objects and specially with humans present in the scene.Usability: People with motor disabilities and elders often have problems using joysticks and other standard control devices. The use of more sophisticated and human-like ways of interacting with the robot must be addressed to improve the acceptance and comfort for the user. It is also considered that the user could just be able to move one finger and so the request of human intervention should be as reduced as possible to accomplish the navigation task.Compliance:} The robot must navigate securely among obstacles while reducing the frustration caused to the user by taking into account his intentions at different levels; final destination, preferred path, speed etc.Respect of social conventions: When moving, the robot may considerably disturb people around it, especially when its behavior is perceived as unsocial. It is thus important to produce socially acceptable motion to reduce disturbances. We will also addresses the issue of determining those places where the robot should be placed in order become part of an interacting group.In this work we propose to estimate the user's intention in order to reduce thenumber of necessary commands to drive a robotic wheelchair and deal withambiguous or inaccurate input interfaces. In this way, the wheelchair can be incharge of some part of the navigation task and alleviate the user involvement.The proposed system takes into account the user intention in terms of the finaldestination and desired speed. At each level, the method tries to favor themost ``reasonable'' action according to the inferred user intention.The user intention problem is approached by using a model of the user based onthe hypothesis that it is possible to learn typical destinations (those wherethe user spends most of his time) and use this information to enhance theestimation of the destination targeted by the user when he is driving therobotic wheelchair.A probabilistic framework is used to model the existent relationship betweenthe intention of the user and the observed command. The main originality of theapproach relies on modeling the user intentions as typical destinations and theuse of this estimation to check the reliability of a user's command to decidehow much preeminence it should be assigned by the shared controller whenmanaging the robot's speed.The proposed shared-control navigation system considers the direction of thecommands given by the user, the obstacles detected by the robot and the inferreddestination to correct the robot's velocity when necessary. This system is basedon the dynamic window approach modified to consider the input given by the user,his intention, the obstacles and the wheelchair's dynamic constraints tocompute the appropriate velocity command.All of the results obtained in this thesis have been implemented and validatedwith experiments, using both real and simulated data. Real data has beenobtained on two different scenarios; one was at INRIA's entry hall and the otherat the experimental apartment GERHOME.

L’étude de la fiabilité des systèmes mécatroniques est un axe de recherche relativement récent. Ces études doivent être menées au plus tôt au cours de la phase de conception, afin de prévoir, modéliser et concevoir des systèmes fiables, disponibles et sûrs et de réduire les coûts et le nombre de prototypes nécessaires à la validation d’un système. Après avoir défini les systèmes mécatroniques et les notions de sûreté de fonctionnement et de fiabilité, nous présentons un aperçu des approches existantes (quantitatives et qualitatives) pour la modélisation et l’évaluation de la fiabilité, et nous mettons en évidence les points d’amélioration et les pistes à développer par la suite.Les principales difficultés dans les études de fiabilité des systèmes mécatroniques sont la combinaison multi-domaines (mécanique, électronique,informatique) et les différents aspects fonctionnels et dysfonctionnels (hybride, dynamique, reconfigurable et interactif). Il devient nécessaire d’utiliser de nouvelles approches pour l’estimation de la fiabilité.Nous proposons une méthodologie d’évaluation de la fiabilité prévisionnelle en phase de conception d’un système mécatronique, en prenant en compte les interactions multi-domaines entre les composants, à l’aide de la modélisation par Réseaux de Pétri,Réseaux bayésiens et fonctions de croyance.L’évaluation de la fiabilité en phase de développement doit être robuste, avec une confiance suffisante et prendre en compte tant les incertitudes épistémiques concernant les variables aléatoires d’entrée du modèle utilisé que l’incertitude sur le modèle pris en hypothèse. L’approche proposée a été appliquée à l’«actionneur intelligent» de la société Pack’ Aero. / Reliability analysis of mechatronic systems is one of the most dynamic fields of research. This analysis must be conducted during the design phase, in order to model and to design safe and reliable systems. After presenting some concepts of mechatronic systems and of dependability and reliability, we present an overview of existing approaches (quantitatives and qualitatives) for the reliability assessment and we highlight the perspectives to develop. The criticality of mechatronic systems is due, on one hand, to multi-domain combination (mechanical, electronic, software), and, on the other hand, to their different functional and dysfunctional aspects (hybrid, dynamic, reconfigurable and interactive). Therefore, new approaches for dependability assessment should be developped. We propose a methodology for reliability assessment in the design phase of a mechatronic system, by taking into account multi-domain interactions and by using modeling tools such as Petri Nets and Dynamic Bayesian Networks. Our approach also takes into account epistemic uncertainties (uncertainties of model and of parameters) by using an evidential network adapted to our model. Our methodology was applied to the reliability assessment of an "intelligent actuator" from Pack’Aero