La reconnaissance en vidéo atteint de meilleures performances ces dernières années, notamment grâce à l'amélioration des réseaux de neurones profonds sur les images. Pourtant l'explosion des taux de reconnaissance en images ne s'est pas directement répercuté sur les taux en reconnaissance vidéo. Cela est dû à cette dimension supplémentaire qu'est le temps et dont il est encore difficile d'extraire une description robuste. Les réseaux de neurones récurrents introduisent une temporalité mais ils ont une mémoire limitée dans le temps. Les méthodes de description vidéo de l'état de l'art gèrent généralement le temps comme une dimension spatiale supplémentaire et la combinaison de plusieurs méthodes de description vidéo apportent les meilleures performances actuelles. Or la dimension temporelle possède une élasticité propre, différente des dimensions spatiales. En effet, la dimension temporelle peut être déformée localement : une dilatation partielle provoquera un ralentissement visuel de la vidéo sans en changer la compréhension, à l'inverse d'une dilatation spatiale sur une image qui modifierait les proportions des objets. On peut donc espérer améliorer encore la classification de contenu vidéo par la conception d'une description invariante aux changements de vitesse. Cette thèse porte sur la problématique d'une description robuste de vidéo en considérant l'élasticité de la dimension temporelle sous trois angles différents. Dans un premier temps, nous avons décrit localement et explicitement les informations de mouvements. Des singularités sont détectées sur le flot optique, puis traquées et agrégées dans une chaîne pour décrire des portions de vidéos. Nous avons utilisé cette description sur du contenu sportif. Puis nous avons extrait des descriptions globales implicites grâce aux décompositions tensorielles. Les tenseurs permettent de considérer une vidéo comme un tableau de données multi-dimensionnelles. Les descriptions extraites sont évaluées dans une tache de classification. Pour finir, nous avons étudié les méthodes de normalisation de la dimension temporelle. Nous avons utilisé les méthodes de déformations temporelles dynamiques des séquences. Nous avons montré que cette normalisation aide à une meilleure classification. / Video recognition gain in performance during the last years, especially due to the improvement in the deep learning performances on images. However the jump in recognition rate on images does not directly impact the recognition rate on videos. This limitation is certainly due to this added dimension, the time, on which a robust description is still hard to extract. The recurrent neural networks introduce temporality but they have a limited memory. State of the art methods for video description usually handle time as a spatial dimension and the combination of video description methods reach the current best accuracies. However the temporal dimension has its own elasticity, different from the spatial dimensions. Indeed, the temporal dimension of a video can be locally deformed: a partial dilatation produces a visual slow down during the video, without changing the understanding, in contrast with a spatial dilatation on an image which will modify the proportions of the shown objects. We can thus expect to improve the video content classification by creating an invariant description to these speed changes. This thesis focus on the question of a robust video description considering the elasticity of the temporal dimension under three different angles. First, we have locally and explicitly described the motion content. Singularities are detected in the optical flow, then tracked along the time axis and organized in chain to describe video part. We have used this description on sport content. Then we have extracted global and implicit description thanks to tensor decompositions. Tensor enables to consider a video as a multi-dimensional data table. The extracted description are evaluated in a classification task. Finally, we have studied speed normalization method thanks to Dynamical Time Warping methods on series. We have showed that this normalization improve the classification rates.

Cette thèse propose une collection des nouveaux outils pour la représentation musicale. Ces modèles ont deux caractéristiques principales. D'un côté, ils sont inspirés par la géométrie et la topologie. De l'autre côté, ils ont une basse dimensionnalité, afin de garantir une visualisation intuitive des caractéristiques musicales qu'ils représentent. On s'est attaqué au problème de l'analyse musicale à partir de trois points de vue. On a représenté le contrepoint en utilisant des séries temporelles multivariées de matrices de permutations partielles. On a visualisé la conduite des voix en utilisant une classe particulière des tresses partielles et singulières. On donne ensuite une interpretation du Tonnetz comme complex simplicial et on utilise l'homologie persistante, afin de classifier des formes obtenues en déformant les sommets du Tonnetz. Ces déformations sont induites soit par des fonctions qui prennent en compte la nature symbolique de la musique, soit l'interaction symbol/signal. Les modèles basés sur la persistence topologique ont été testés sur une collection hétérogène de bases de données. Ces deux approches sont finalement combinées pour donner un troisième point de vue, qui a donné deux applications. Premièrement, on utilise l'alignement multiple des sequences, pour comparer plusieurs structures harmoniques et sémantiques déduites du signal audio, afin de visualiser et quantifier la propagation d’idée musicales entre artistes, genres et différentes époques. Ensuite on développe la théorie nécessaire pour comparer deux systèmes qui varient dans le temps, en représentant leurs caractéristiques géométriques comme des séries temporelles de diagrammes de persistence. / In this work, we suggest a collection of novel models for the representation of music. These models are endowed with two main features. First, they originate from a topological and geometrical inspiration; second, their low dimensionality allows to build simple and informative visualisations. We tackle the problem of music representation following three non-orthogonal directions. First, we propose an interpretation of counterpoint as a multivariate time series of partial permutation matrices, whose observations are characterised by a degree of complexity. After providing both a static and a dynamic representation of counterpoint, voice leadings are reinterpreted as a special class of partial singular braids, and their main features are visualised. Thereafter, we give a topological interpretation of the Tonnetz (a graph commonly used in computational musicology), whose vertices are deformed by both a harmonic and a consonance-oriented function. The shapes derived from these deformations are classified using the formalism of persistent homology. Thus, this novel representation of music is evaluated on a collection of heterogenous musical datasets. Finally, a combination of the two approaches is proposed. A model at the crossroad between the signal and symbolic analysis of music uses multiple sequences alignment to provide an encompassing, novel viewpoint on the musical inspiration transfer among compositions belonging to different artists, genres and time. Then, music is represented as a time series of topological fingerprints, allowing the comparison of pairs of time-varying shapes in both topological and musical terms.

Les interactions sont partout : il peut s'agir de contacts entre individus, d'emails, d'appels téléphoniques, de trafic IP, d'achats en ligne, d'exécution de code, etc. Les interactions peuvent être dirigées, pondérées, enrichies d'informations supplémentaires, cependant, dans tous les cas, une interaction signifie que deux entités u et v ont interagi du temps b au temps e : par exemple, deux individus u et v se rencontrent du temps b au temps e, deux machines sur un réseau démarrent une session IP du temps b au temps e, deux personnes u et v se téléphonent du temps b au temps e, etc.Dans cette thèse, nous explorons une nouvelle approche visant à modéliser les interactions directement comme des flots de liens, c'est-à-dire des séquences de quadruplets (b,e,u,v) signifiant que u et v ont interagi du temps b au temps e. Nous posons les fondations du formalisme correspondant. Afin de valider notre travail théorique, nous nous concentrons sur l'analyse de trafic IP. Il est en effet crucial pour nous d'effectuer des aller-retours constants entre théorie et pratique : les cas pratiques doivent nourrir notre réflexion théorique, et, en retour, les outils formels doivent être conçus de façon à être appliqués de la manière la plus générale.Nous appliquons notre formalisme à l'analyse de trafic IP, dans le but de valider la pertinence de notre formalisme for l'analyse de trafic IP, ainsi que comme méthodologie de détection d'événements. Nous élaborons une méthode permettant d'identifier des événements recouvrant plusieurs échelles de temps, et l'appliquons à une trace de trafic issue du jeu de données MAWI. / Interactions are everywhere: in the contexts of face-to-face contacts, emails, phone calls, IP traffic, online purchases, running code, and many others. Interactions may be directed, weighted, enriched with supplementary information, yet the baseline remains: in all cases, an interaction means that two entities u and v interact together from time b to time e: for instance, two individuals u and v meet from time b to time e, two machines on a network start an IP session from time b to time e, two persons u and v phone each other from time b to time e, and so on.In this thesis, we explore a new approach consisting in modelling interactions directly as link streams, i.e. series of quadruplets ( b, e, u, v ) meaning that u and v interacted from time b to time e, and we develop the basis of the corresponding formalism. In order to guide and assess this fundamental work, we focus on the analysis of IP traffic. It is particularly important to us that we make both fundamental and applied progress: application cases should feed our theoretical thoughts, and formal tools are designed to have meaning on application cases in the most general way.We apply our framework to the analysis of IP traffic, with the aim of assessing the relevance of link streams for describing IP traffic as well as finding events inside the traffic. We devise a method to identify events at different scales, and apply it to a trace of traffic from the MAWI dataset.

Nous nous intéressons au développement de méthodes qui répondent aux difficultés posées par l’analyse des séries temporelles. Nos contributions se focalisent sur deux tâches : la prédiction de séries temporelles et la classification de séries temporelles. Notre première contribution présente une méthode de prédiction et de complétion de séries temporelles multivariées et relationnelles. Le but est d’être capable de prédire simultanément l’évolution d’un ensemble de séries temporelles reliées entre elles selon un graphe, ainsi que de compléter les valeurs manquantes dans ces séries (pouvant correspondre par exemple à une panne d’un capteur pendant un intervalle de temps donné). On se propose d’utiliser des techniques d’apprentissage de représentation pour prédire l’évolution des séries considérées tout en complétant les valeurs manquantes et prenant en compte les relations qu’il peut exister entre elles. Des extensions de ce modèle sont proposées et décrites : d’abord dans le cadre de la prédiction de séries temporelles hétérogènes puis dans le cas de la prédiction de séries temporelles avec une incertitude exprimée. Un modèle de prédiction de séries spatio-temporelles est ensuiteproposé, avec lequel les relations entre les différentes séries peuvent être exprimées de manière plus générale, et où ces dernières peuvent être apprises.Enfin, nous nous intéressons à la classification de séries temporelles. Un modèle d’apprentissage joint de métrique et de classification de séries est proposé et une comparaison expérimentale est menée. / This thesis deals with the development of time series analysis methods. Our contributions focus on two tasks: time series forecasting and classification. Our first contribution presents a method of prediction and completion of multivariate and relational time series. The aim is to be able to simultaneously predict the evolution of a group of time series connected to each other according to a graph, as well as to complete the missing values ​​in these series (which may correspond for example to a failure of a sensor during a given time interval). We propose to use representation learning techniques to forecast the evolution of the series while completing the missing values ​​and taking into account the relationships that may exist between them. Extensions of this model are proposed and described: first in the context of the prediction of heterogeneous time series and then in the case of the prediction of time series with an expressed uncertainty. A prediction model of spatio-temporal series is then proposed, in which the relations between the different series can be expressed more generally, and where these can be learned.Finally, we are interested in the classification of time series. A joint model of metric learning and time-series classification is proposed and an experimental comparison is conducted.

Cette thèse présente la méthode de détection de changements MIMOSA (Method for generalIzed Means Ordered Series Analysis). Cette nouvelle méthode permet de détecter automatiquement des changements entre couples ou séries temporelles d’images SAR. En effet, grâce aux moyennes temporelles, le nombre d’images en jeu n’importe plus puisque seulement deux moyennes différentes sont comparées de sorte à détecter les changements (par exemple moyenne géométrique et moyenne quadratique). De ce fait, les grand volumes de données disponibles de nos jours sont exploitables plus facilement puisque l’information utile est «résumée» dans les moyennes. Le seul paramètre de la détection est le taux de fausses alarmes obtenu dans le résultat, ce qui rend son analyse plus intuitive. Les cartes de changements fournies par MIMOSA sont de très bonne qualité en comparaison à celles fournies par d’autres méthodes. De nombreux tests ont été mis en place pour constater la robustesse de la méthode MIMOSA face aux problèmes les plus souvent rencontrés, comme une mauvaise calibration radiométrique, ou encore un mauvais recalage. Une interface graphique a de plus été développée autour de MIMOSA, incorporant de nombreux outils de préparation et traitement des données, ainsi que des outils d’analyse des résultats. / This PhD thesis presents the MIMOSA (Method for generalIzed Means Ordered Series Analysis) change detection methood. This new technique can automatically detect changes between SAR image pairs or within time series. Indeed, thanks to the temporeal means, the number of involved images doesn’t matters because only two different means are compared to detect the changes (for example, the geometric and quadratic means). Thus, large data volumes can be processed easily, since the useful information is condensed within the temporal means. The only change detection parameter is the false alarm rate that will be MIMOSA method are very good compared to other methods. Several tests have been performed in order to quantify the robustness of the method facing the most common problems, like image misregistration or radiometric calibration errors. A graphical user interface has also been developed for MIMOSA, including many useful tools to prepare and process SAR data, but also several analyse tools.

Il s’avère difficile d’expliquer pourquoi certains individus décident de devenir entrepreneurs malgré le risque encouru. Dans cette thèse, j’analyse les effets de plusieurs mécanismes comportementaux sur la décision d’entrée en entrepreneuriat. Le premier essai propose de séparer les effets sur la décision d’entrer sur un marché de deux mécanismes comportementaux qui ont parfois pu être confondus : la confiance en soi et l’attitude envers l’ambiguïté. Cet essai met en avant le rôle fondamental de l’attitude envers l’ambiguïté dans la décision d’entrer sur un marché, en particulier quand les résultats de l’entrée dépendent directement des compétences du décideur, comme dans le cas de l’entrepreneuriat. La nature même de l’entrepreneuriat est d’investir du capital et du temps dans le but d’obtenir des bénéfices financiers dans le futur. Comprendre les préférences temporelles pour le temps et l’argent des entrepreneurs peut permettre d’améliorer notre compréhension des facteurs déterminants de l’entrée en entrepreneuriat. Alors que de nombreuses études analysent le choix inter-temporel pour l’argent, très peu d’études se sont intéressées à comment les individus escomptent leur futur temps, malgré le fait que le temps soit une ressource limitée et de valeur. Le deuxième essai examine cette question dans une expérience en laboratoire avec incitations réelles. A l’aide d’une expérience en ligne, le troisième essai analyse les préférences temporelles pour le temps et l’argent d’un échantillon de futurs entrepreneurs et de futurs managers. / Explaining why individuals enter into entrepreneurship has been challenging. In this thesis, I take a behavioral perspective and analyze the effects on entrepreneurial entry of behavioral mechanisms that have been understudied in the entrepreneurship literature. The first essay proposes to disentangle the effects on market entry of two mechanisms that may have been confounded: overconfidence and attitude toward ambiguity. This essay highlights the critical role of ambiguity attitude on the decision to enter a market, particularly when the result depends on one’s skills, such as entry into entrepreneurship. The very nature of entrepreneurship is to invest capital and time with the hope of receiving future financial benefits. I therefore argue that understanding entrepreneurs’ temporal preferences for time and money can provide new insights on the determinants of entry into entrepreneurship. While intertemporal choice involving money has been studied extensively in the behavioral literature, very few studies have analyzed the way people discount time, despite the fact that it is a scarce and valuable resource. The second essay investigates this issue in a laboratory experiment. Finally, using a lab-in-the-field experiment, the third essay analyzes temporal preferences for money and time of a comparable sample of future entrepreneurs and future managers.

Les situations spatio-temporelles dynamiques sont des situations qui évoluent dans l’espace et dans le temps. L’être humain peut identifier des configurations de situations dans son environnement et les utilise pour prendre des décisions. Ces configurations de situations peuvent aussi être appelées « situations d’intérêt » ou encore « patrons spatio-temporels ». En informatique, les situations sont obtenues par des systèmes d’acquisition de données souvent présents dans diverses industries grâce aux récents développements technologiques et qui génèrent des bases de données de plus en plus volumineuses. On relève un problème important dans la littérature lié au fait que les formalismes de représentation utilisés sont souvent incapables de représenter des phénomènes spatiotemporels dynamiques et complexes qui reflètent la réalité. De plus, ils ne prennent pas en considération l’appréhension cognitive (modèle mental) que l’humain peut avoir de son environnement. Ces facteurs rendent difficile la mise en œuvre de tels modèles par des agents logiciels. Dans cette thèse, nous proposons un nouveau modèle de représentation des situations d’intérêt s’appuyant sur la notion des patrons spatiotemporels. Notre approche utilise les graphes conceptuels pour offrir un aspect qualitatif au modèle de représentation. Le modèle se base sur les notions d’événement et d’état pour représenter des phénomènes spatiotemporels dynamiques. Il intègre la notion de contexte pour permettre aux agents logiciels de raisonner avec les instances de patrons détectés. Nous proposons aussi un outil de génération automatisée des relations qualitatives de proximité spatiale en utilisant un classificateur flou. Finalement, nous proposons une plateforme de gestion des patrons spatiotemporels pour faciliter l’intégration de notre modèle dans des applications industrielles réelles. Ainsi, les contributions principales de notre travail sont : Un formalisme de représentation qualitative des situations spatiotemporelles dynamiques en utilisant des graphes conceptuels. ; Une approche cognitive pour la définition des patrons spatio-temporels basée sur l’intégration de l’information contextuelle. ; Un outil de génération automatique des relations spatiales qualitatives de proximité basé sur les classificateurs neuronaux flous. ; Une plateforme de gestion et de détection des patrons spatiotemporels basée sur l’extension d’un moteur de traitement des événements complexes (Complex Event Processing). / Dynamic spatiotemporal situations are situations that evolve in space and time. They are part of humans’ daily life. One can be interested in a configuration of situations occurred in the environment and can use it to make decisions. In the literature, such configurations are referred to as “situations of interests” or “spatiotemporal patterns”. In Computer Science, dynamic situations are generated by large scale data acquisition systems which are deployed everywhere thanks to recent technological advances. Spatiotemporal pattern representation is a research subject which gained a lot of attraction from two main research areas. In spatiotemporal analysis, various works extended query languages to represent patterns and to query them from voluminous databases. In Artificial Intelligence, predicate-based models represent spatiotemporal patterns and detect their instances using rule-based mechanisms. Both approaches suffer several shortcomings. For example, they do not allow for representing dynamic and complex spatiotemporal phenomena due to their limited expressiveness. Furthermore, they do not take into account the human’s mental model of the environment in their representation formalisms. This limits the potential of building agent-based solutions to reason about these patterns. In this thesis, we propose a novel approach to represent situations of interest using the concept of spatiotemporal patterns. We use Conceptual Graphs to offer a qualitative representation model of these patterns. Our model is based on the concepts of spatiotemporal events and states to represent dynamic spatiotemporal phenomena. It also incorporates contextual information in order to facilitate building the knowledge base of software agents. Besides, we propose an intelligent proximity tool based on a neuro-fuzzy classifier to support qualitative spatial relations in the pattern model. Finally, we propose a framework to manage spatiotemporal patterns in order to facilitate the integration of our pattern representation model to existing applications in the industry. The main contributions of this thesis are as follows: A qualitative approach to model dynamic spatiotemporal situations of interest using Conceptual Graphs. ; A cognitive approach to represent spatiotemporal patterns by integrating contextual information. ; An automated tool to generate qualitative spatial proximity relations based on a neuro-fuzzy classifier. ; A platform for detection and management of spatiotemporal patterns using an extension of a Complex Event Processing engine.

Dans les bases de données spatiales actuellement mises en oeuvre, les phénomènes naturels sont généralement représentés par des géométries ayant des frontières bien délimitées. Une telle description de la réalité ignore le vague qui caractérise la forme de certains objets spatiaux (zones d'inondation, lacs, peuplements forestiers, etc.). La qualité des données enregistrées est donc dégradée du fait de ce décalage entre la réalité et sa description. Cette thèse s'attaque à ce problème en proposant une nouvelle approche pour représenter des objets spatiaux ayant des formes vagues et caractériser leurs relations topologiques. Le modèle proposé, appelé QMM model (acronyme de Qualitative Min-Max model), utilise les notions d'extensions minimale et maximale pour représenter la partie incertaine d'un objet. Un ensemble d'adverbes permet d'exprimer la forme vague d'un objet (ex: a region with a partially broad boundary), ainsi que l'incertitude des relations topologiques entre deux objets (ex: weakly Contains, fairly Contains, etc.). Cette approche est moins fine que d'autres approches concurrentes (modélisation par sous-ensembles flous ou modélisation probabiliste). Mais elle ne nécessite pas un processus d'acquisition complexe des données. De plus elle est relativement simple à mettre en oeuvre avec les systèmes existants de gestion de bases de données. Cette approche est ensuite utilisée pour contrôler la qualité des données dans les bases de données spatiales et les entrepôts de données spatiales en spécifiant des contraintes d'intégrité par l'intermédiaire des concepts du modèle QMM. Une extension du langage de contraintes OCL (Object Constraint Language) a été étudiée pour spécifier des contraintes topologiques impliquant des objets ayant des formes vagues. Un logiciel existant (outil OCLtoSQL développé à l'Université de Dresden) a été étendu pour permettre la génération automatique du code SQL d'une contrainte lorsque la base de données est gérée par un système relationnel. Une expérimentation de cet outil a été réalisée avec une base de données utilisée pour la gestion des épandages agrico'les. Pour cette application, l'approche et l'outil sont apparus très efficients. Cette thèse comprend aussi une étude de l'intégration de bases de données spatiales hétérogènes lorsque les objets sont représentés avec le modèle QMM. Des résultats nouveaux ont été produits et des exemples d'application ont été explicités.

Dans le domaine de l’internet des objets, nos recherches se sont focalisées sur l’étude des corrélations entre les données générées par des réseaux de capteurs. Ces données sont généralement collectées par des systèmes d’acquisition et se caractérisent par une grande vélocité et un fort volume. Les décideurs ont besoin d’outils permettant de détecter les situations d’intérêt au meilleur moment pour la prise de décision. Nous partons des travaux de doctorat de F.Barouni (2016) qui a proposé une extension du modèle et des outils de traitement d’événements complexes (CEP) pour répondre aux enjeux relatifs à la vélocité et au volume de ces données. Barouni a proposé une approche de représentation et de détection de patrons spatiotemporels pour représenter les situations d’intérêt. Notre but est de concevoir un outil destiné à gérer ces données et à fouiller des corrélations potentielles entre elles, en tenant compte des données contextuelles. Dans ce mémoire, nous proposons une approche théorique qui utilise les graphes conceptuels afin d’améliorer l’approche de Barouni en permettant de modéliser plusieurs types de relations spatiales. Dans ce contexte, nous avons proposé une extension des relations spatiales en tenant compte des éléments composant un réseau en lien avec l’espace géographique sous-jacent. En effet, notre modèle prend en compte, la représentation spatiale du réseau, la projection du réseau dans l’espace géographique sous-jacent et toutes les relations spatiales qui en découlent. Nous proposons aussi une extension au formalisme de représentation des patrons en ajoutant une structure du résumé et de contraintes du patron (graphes conceptuels) pour pouvoir modéliser des relations spatiales entre des patrons de complexité croissante. Nous avons développé un outil de détection de patrons en utilisant une approche de CEP itérative. Notre outil utilise plusieurs CEPs pour pouvoir détecter des patrons de différents degrés de complexité. Nous avons démontré la pertinence de notre approche par l’étude des événements de reconfiguration dans un réseau de distribution électrique. Notre approche est assez générique pour être applicable dans d’autres domaines d’application, tels que les réseaux de fibres optiques.

La surveillance de la qualité de l'eau dans les réseaux de distribution est essentielle pour assurer la conformité réglementaire, identifier les problèmes liés à sa dégradation excessive et proposer des approches visant à limiter la présence de contaminants susceptibles d'affecter la santé des citoyens. Cependant, en raison de contraintes budgétaires, technologiques, et de gestion, les responsables de l'eau potable des municipalités ne sont pas en mesure de surveiller l'ensemble du réseau et doivent choisir des points et des moments de surveillance représentatifs pour déterminer la qualité de l'eau. Bien qu'il s'agisse d'un besoin évident et crucial, il n'existe aucune démarche réglementaire appuyée par la science permettant aux responsables de sélectionner des points optimaux de surveillance. La dégradation de la qualité de l'eau varie dans l'espace et dans le temps le long du réseau de distribution en raison de facteurs spécifiques au système, tels que le temps de séjour de l'eau (TDS), le matériau et le diamètre des conduites, les caractéristiques physicochimiques de l'eau, l'utilisation de désinfectants secondaires, etc. Il est donc difficile pour les opérateurs de déterminer où et quand effectuer des contrôles de la qualité de l'eau. L'objectif principal de cette thèse de doctorat est de proposer une nouvelle démarche méthodologique pour optimiser la localisation des points et la fréquence de surveillance dans le réseau de distribution qui tienne compte de la variabilité spatio-temporelle des indicateurs de qualité de l'eau. Cette nouvelle démarche vise à répondre aux besoins méthodologiques identifiés à travers une revue chronologique et critique de la littérature, qui comprend l'identification des concepts fondamentaux, des techniques d'optimisation, ainsi que des avantages et des limites des méthodologies spécifiquement axées sur l'optimisation de la dégradation de la qualité de l'eau dans les réseaux de distribution présentées précédemment par la communauté scientifique. Cette thèse présente une approche innovante basée sur la variabilité spatio-temporelle de la qualité de l'eau, applicable à une échelle réelle par les responsables des municipalités. La méthodologie propose l'identification d'une zone géographique qui peut être représentée par la qualité de l'eau mesurée dans un point de surveillance sélectionné. La démarche fait appel à la connaissance des caractéristiques hydrauliques du réseau (débits et sens d'écoulement) ainsi qu'à celles des conditions associées à une forte variabilité spatiale des indicateurs entre les points qui partagent une connexion hydraulique. Compte tenu de l'utilisation du modèle hydraulique, les nœuds du modèle sont considérés comme des points de surveillance potentiels dans le réseau de distribution, ce qui permet de parler de nœuds de surveillance et nœuds de surveillance optimaux. Ensuite, la population représentée par chaque nœud du réseau est estimée et utilisée dans l'optimisation de la sélection des points de surveillance. Une évaluation est effectuée sur la base du nombre d'individus que chaque nœud peut représenter et le nœud ayant la plus grande capacité de représentation est choisi. Lorsqu'un nœud est choisi, la population représentée par ce nœud est considérée comme surveillée et le meilleur nœud suivant est sélectionné. Cette procédure est répétée jusqu'à ce que l'ensemble de la population cible soit considérée comme surveillée. La démarche proposée est appliquée au réseau de distribution de la Ville de Québec (Québec, Canada) afin d'optimiser la surveillance de quatre indicateurs de la qualité de l'eau: le chlore libre résiduel (CLR), les bactéries hétérotrophes totales aérobies et anaérobies (BHAA), les trihalométhanes (THM) et les acides haloacétiques (AHA). Deux objectifs d'optimisation sont pris en compte: l'optimisation de la représentativité de la population globale et la surveillance de la population à risque en raison d'une forte dégradation de la qualité de l'eau. Les résultats montrent que la variabilité spatiale de l'indicateur de la qualité de l'eau a une forte influence sur la représentativité des nœuds, ce qui fait que les indicateurs à forte variabilité spatiale, tels que le CLR, nécessitent un grand nombre de points de surveillance pour représenter l'ensemble de la population cible. Malgré cela, la méthodologie permet d'identifier les nœuds ayant une forte capacité de représentativité. Ces nœuds devraient être priorisés parce qu'ils maximisent la population représentée en minimisant les points de surveillance sélectionnés. De même, les résultats montrent que la surveillance de tous les indicateurs dans le même point n'est pas pertinente, car les conditions de variabilité spatiale sont propres à chaque indicateur. Ces conditions déterminent le nombre et la localisation optimaux des points de surveillance pour chaque indicateur individuellement. L'impact du comportement hydraulique et de l'incertitude liée à la modélisation a été analysé en appliquant la démarche proposée pour différents scénarios. Pour ce faire, des scénarios temporels de surveillance intra-journalière, journalière et saisonnière ont été étudiés et comparés. Les résultats obtenus pour l'étude de cas considérée montrent qu'à l'échelle intra-journalière, la localisation des points de surveillance ne varie pas de manière significative étant donné que le comportement hydraulique global du réseau n'est pas affecté. Le même effet peut être observé en comparant un jour de forte demande en eau (débit journalier maximum) à un jour de consommation moyenne (débit journalier moyen). Cependant, l'échelle de temps saisonnière joue un rôle dans la détermination des points de surveillance optimaux. En effet, en raison de la plus faible variabilité spatiale des indicateurs de la qualité de l'eau en hiver, moins de mesures sont nécessaires pour surveiller la même proportion de la population qu'en été. En revanche, la localisation spatiale des nœuds ayant une capacité de représentativité plus élevée ne semble pas changer d'une saison à l'autre, ce qui permet d'identifier des points de surveillance optimaux tout au long de l'année. La démarche proposée est un outil innovant d'aide à la décision pour la sélection optimale des points de surveillance de la qualité de l'eau des réseaux de distribution. Cette méthodologie est originale par la prise en compte de la variabilité spatio-temporelle de la qualité de l'eau, ainsi que par son adaptabilité pour l'optimisation de la surveillance de tout type d'indicateur pour lequel des conditions de forte variabilité spatiale peuvent être définies. / Monitoring water quality in distribution networks is essential to ensure regulatory compliance, identify problems associated with excessive degradation, and propose approaches to limit the presence of contaminants that could jeopardize citizens' health. However, due to budgetary, technological and management constraints, municipal drinking water authorities are unable to monitor the entire network, and must select representative monitoring points and times to determine water quality levels. Although this is an obvious and crucial need, there is no science-based regulatory approach to enable managers to select appropriate monitoring points. Furthermore, water quality degradation varies spatially and temporally along the distribution network, due to system-specific factors such as water residence time (WRT), pipe material and diameter, physicochemical characteristics of the water, use of secondary disinfectants, etc. This makes it all the more difficult for operators to determine where and when to carry out water quality checks. The main objective of this PhD thesis is to propose a new methodological approach for optimizing the location of monitoring points and the frequency of monitoring in the distribution network, taking into account the spatio-temporal variability of water quality indicators. This new approach aims to meet the methodological needs identified through a chronological and critical review of the literature, which includes the identification of fundamental concepts, optimization techniques, as well as the advantages and limitations of methodologies previously presented by the scientific community. This thesis presents an innovative approach based on the spatio-temporal variability of water quality, which can be applied on a real scale by municipal managers. The methodology proposes the identification of a geographical area that can be represented by the measured water quality of a selected monitoring point. The approach calls on knowledge of the network's hydraulic characteristics (flow rates and direction of flow), as well as of the conditions associated with high spatial variability of indicators between points sharing a hydraulic connection. Given the use of the hydraulic model, the nodes in the model are considered as potential monitoring points in the distribution network, hence the term monitoring nodes and optimal monitoring nodes. Next, the population represented by each network node is estimated and used to optimize the selection of monitoring points. An evaluation is made based on the number of individuals each node can represent, and the node with the greatest representation capacity is chosen. Once a node has been chosen, the population represented by that node is considered as monitored, and the next best node is selected. This procedure is repeated until the entire target population is considered monitored. The proposed approach is applied to the distribution network of Quebec City (Quebec, Canada) to optimize the monitoring of four water quality indicators: free chlorine residual (FRC), heterotrophic plate counts (HPC), trithalomethanes (THM) and haloacetic acids (HAA). Two distinct optimization objectives are taken into account: optimizing the global representativeness of the population and monitoring the population at risk due to high water quality degradation. The results show that the specific spatial variability of the water quality indicator has a strong influence on the representativeness of the nodes, meaning that indicators with high spatial variability, such as FRC, require a large number of monitoring points to represent the entire target population. Despite this, the methodology enables us to identify nodes with a high representativeness capacity. These nodes should be prioritized as they maximize the population represented reducing the monitoring points needed. Similarly, the results show that monitoring all indicators as a whole at the same point is not relevant, as the conditions of spatial variability are specific to each indicator; these conditions determine the optimal number and location of monitoring points for each indicator individually. The impact of hydraulic behavior and modeling uncertainty was analyzed by applying the proposed approach to different temporal scenarios. Intraday, daily and seasonal monitoring scenarios were studied and compared. The results obtained for the case study under consideration show that on an intraday scale, the location of monitoring points does not vary significantly, as the overall hydraulic behavior of the network is not affected. The same effect can be observed when comparing a day of high water demand (maximum daily flow) with a day of average consumption (average daily flow). Finally, the seasonal timescale plays an important role in determining optimum monitoring points. Indeed, due to the lower spatial variability of water quality indicators in winter, fewer measurements are required to monitor the same proportion of the population as in summer. On the other hand, the spatial location of nodes with a higher representativeness capacity does not appear to change from one season to the next, enabling optimal monitoring points to be identified throughout the year. Finally, the proposed approach will serve as an innovative decision-making tool for the optimal selection of water quality monitoring points in distribution networks. The methodology is original in that it takes into account the spatio-temporal variability of water quality, and is adaptable to optimize the monitoring of any type of inditor for which conditions of high spatial variability can be defined.