Dans le travail coopératif les experts sont amenés à utiliser des ressources sémantiques. Ces ressources sont en général représentées à l'aide de concepts et de relations et peuvent être modélisées sous forme d'ontologies. Chaque expert dans un domaine d'application utilise fréquemment une ou plusieurs ressources sémantiques et peut également avoir accès à d'autres ressources sémantiques mises à disposition par ses partenaires. Ces ressources sont hétérogènes entre elles à différents niveaux ce qui rend difficile l'interopérabilité syntaxique, structurelle et sémantique. Ce travail de thèse met l'accent sur l'interopérabilité sémantique des ressources sémantiques. Nous proposons une méthodologie semi-automatique pour aider à la découverte de correspondances sémantiques entre concepts de ressources sémantiques différentes. Pour réaliser ce travail, nous transformons ces ressources sémantiques en OWL-DL, afin d'utiliser les services de moteurs d'inférences fondés sur les logiques de description. Nous proposons aussi un procédé pour créer des équivalences entre relations de ressources sémantiques différentes, appelé unification de relations, et qui vise à découvrir d'autres correspondances sémantiques. Les résultats de ce travail ont été testés à l'aide d'un prototype. L'application a été réalisée avec des ressources sémantiques issues du secteur européen de la construction. Pour aider à l'évaluation des correspondances sémantiques, nous proposons aussi une modélisation des connaissances du domaine à l'aide de la logique floue.

Les infrastructures de cloud fournissent une grande variété de ressources de calcul à la demande avec différents compromis coût-performance. Cela donne aux utilisateurs des nombreuses opportunités pour exécuter leurs applications ayant des besoins complexes en ressources, à partir d’un grand nombre de serveurs avec des interconnexions à faible latence jusqu’à des dispositifs spécialisés comme des GPUs et des FPGAs. Les besoins des utilisateurs concernant l’exécution de leurs applications peuvent varier entre une exécution la plus rapide possible, la plus chère ou un compromis entre les deux. Cependant, le choix du nombre et du type des ressources à utiliser pour obtenir le compromis coût-performance que les utilisateurs exigent constitue un défi majeur. Cette thèse propose trois contributions avec l’objectif de fournir des bons compromis coût-performance pour l’exécution des applications sur des plates-formes hétérogènes. Elles suivent deux directions : un bon usage des ressources et un bon choix des ressources. Nous proposons comme première contribution une méthode de partage pour des accélérateurs de type FPGA dans l’objectif de maximiser leur utilisation. Dans une seconde contribution, nous proposons des méthodes de profilage pour la modélisation de la demande en ressources des applications. Enfin, nous démontrons comment ces technologies peuvent être intégrées dans une plate-forme de cloud hétérogène. / Cloud infrastructures provide on-demand access to a large variety of computing devices with different performance and cost. This creates many opportunities for cloud users to run applications having complex resource requirements, starting from large numbers of servers with low-latency interconnects, to specialized devices such as GPUs and FPGAs. User expectations regarding the execution of applications may vary between the fastest possible execution, the cheapest execution or any trade-off between the two extremes. However, enabling cloud users to easily make performance-cost trade-offs is not a trivial exercise and choosing the right amount and type of resources to run applications accordingto user expectations is very difficult. This thesis proposes three contributions to enable performance-cost trade-offs for application execution in heterogeneous clouds by following two directions: make good use of resources and make good choice of resources. We propose as a first contribution a method to share FPGA-based accelerators in cloud infrastructures having the objective to improve their utilization. As a second contribution we propose profiling methods to automate the selection of heterogeneous resources for executing applications under user objectives. Finally, we demonstrate how these technologies can be implemented and exploited in heterogeneous cloud platforms.