Search

The landscape patterns are the results of the human activity that adapts the land cover and its use (LUC) to economic and social constraints/opportunities encountered by various actors. The temporal and spatial arrangement of LUC has a strong influence on environmental risks. This paper presents a methodology based on stochastic models to identify, locate and simulate the temporal LUCC of regions differentiated by their successions by means of “neutral” models. The differences between simulated and observed data make it possible to detect breaks in land-use development and planning. We assess our method on data that come from surveys in the Vittel-Contrexéville watershed (East of France) which is subject to water quality issues., L’organisation d’un territoire est le reflet de l’activité humaine qui y adapte la couverture du sol et son usage en fonction des contraintes ou opportunités techniques, économiques et sociétales. L’arrangement temporel et spatial des occupations du sol a une forte influence sur les risques environnementaux. Cet article présente une méthodologie à base de modèles stochastiques pour identifier, localiser et simuler les occupations temporelles des régions différenciées par leurs successions de culture dans la perspective de construction d’un modèle « neutre ». L’écart entre données simulées et observées permet de déceler des ruptures dans le processus de mise en valeur du territoire. Les données utilisées dans cette étude proviennent d’enquêtes effectuées sur l’impluvium de Vittel-Contrexéville concernant la qualité des eaux souterraines.

International audience; Grassland, as one of the largest ecosystems on the earth, supports various goods and services to humanity. Historically, humans have increased agricultural output primarily by cropland expansion and agricultural intensification. The cropland area was primarily gained at the expense of grassland and forests. Apart from grassland conversion, increasing consumption of calorie- and meat-intensive diets drives the intensification of livestock systems, which is shifting steadily from grazing to feeding with crops. To cope with the environmental degradation due to agriculture, various forms of ‘green payment’ were implemented to promote the adoption of sustainable farming practices over the last two decades in the European Union. The aim of this study is to monitor the recent transitions (1992–2010) between grassland and cropland during two Common Agricultural Policy (CAP) reforms at the French mainland scale. We proposed an innovative approach to link grassland conversion to agricultural commodities and farming systems practices. We first assessed the grassland-to-cropland conversion and further investigated the crop sequence patterns that were observed to be dominant after the conversion through mining land-cover survey data Teruti and Teruti-Lucas. We found the trends of the transitions between grassland and cropland over the two time intervals: The loss of grassland (1992–2003) and restoration or re-expansion of grassland (2006–2010) in mainland France. Our finding on the crop sequence patterns after the grassland conversion reveals two notable evolutions of agricultural production systems. These evolutions were related to the increase in the proportion of cropland in the total agricultural land use. One evolution was most likely influenced by the demand for fodder: The conversion from grazing livestock to feeding livestock. Another evolution was the conversion from livestock production to field crop production. Our results indicate that the intensification of livestock farming systems continued over the last two decades in France. We conclude that, the approach developed in this study can be considered as a generic method for monitoring the transitions between grassland and cropland and further identifying the crop sequence patterns after the grassland conversion from time-series land cover data.

We have developed a knowledge discovery system based on high-order hidden Markov models for analyzing spatio-temporal data bases. This system, named CarrotAge , takes as input an array of discrete data – the rows represent the spatial sites and the columns the time slots – and builds a partition together with its a posteriori probability. CarrotAge has been developed for studying the cropping patterns of a territory. It uses therefore an agricultural drench database, named Ter-Uti , which records every year the land-use category of a set of sites regularly spaced. The results of CarrotAge are interpreted by agronomists and used in research works linking agricultural land use and water management. Moreover, CarrotAge can be used to find out and study crop sequences in large territories, that is a main question for agricultural and environmental research, as discussed in this paper.

International audience; Assessing the environmental impacts of agricultural production systems requires spatially explicit information regarding cropping systems. Projecting changes in agricultural land use that are caused by changes in land management practices for analyzing the performance of land activity-related policies, such as agricultural policies, also requires this type of data for model inputs. Crop sequences, which are vital and widely adopted agricultural practices, are difficult to directly detect at a regional scale. This study presents innovative stochastic data mining that was aimed at describing the spatial distribution of crop sequences at a large regional scale. The data mining is performed by hidden Markov models and an unsupervised clustering analysis that processes sequentially observed (from 1992 to 2003) land-cover survey data on the French mainland named Teruti. The 2549 3-year crop sequences were first identified as major crop sequences across the entire territory, which included 406 (merged) agricultural districts, using hidden Markov models. The 406 (merged) agricultural districts were then grouped into 21 clusters according to the similarity of the probabilities of occurrences of major 3-year crop sequences using hierarchical clustering analysis. Four cropping systems were further identified: vineyard-based cropping systems, maize monoculture and maize/wheat-based cropping systems, temporary pasture and maize-based cropping systems and wheat and barley-based cropping systems. The modeling approach that is presented in this study provides a tool to extract large-scale cropping patterns from increasingly available time series data on land-cover and land-use. With this tool, users can (a) identify the homogeneous zones in terms of fixed-length crop sequences across a large territory, (b) understand the characteristics of cropping systems within a region in terms of typical crop sequences, and (c) identify the major crop sequences of a region according to the probabilities of occurrences.; L'évaluation des impacts des systèmes de production agricole requiert une information spatiale explicite sur les système de culture. Les successions de culture sont des pratiques largement adoptées mais difficiles à détecter. Cette étude présente une nouvelle méthode de fouille de données pour décrire la distribution spatiale des successions de cultures à grande échelle. La fouille de données s'appuie sur des modèles de Markov cachés du second ordre qui effectuent une classification non supervisée des successions de cultures pratiquées sur la totalité du territoire national de 1992 à 2003. 2549 triplets de cultures ont été tout d'abord identifiés en tant que successions principales sur 406 petites régions agricoles. 21 classes ont été dégagées par une classification ascendante hiérarchique. 4 systèmes de cultures ont été mis en lumière: Vignoble, prairies temporaires, système centré maïs, système centré blé - orge.

Since the initial point of Langran (1993) saying that Geographic Information Systems (GIS) were poorly equipped to handle temporal data, many researchers have sought to integrate the time dimension into GIS (Roddick et?al., 2001). We present a time space modelling approach - and a generic software named ARPEnTAge - capable of clustering a territory based on its pluri-annual land-use organization. By adding the ability to represent, locate and visualize temporal changes in the territory, ARPEnTAge provides tools to build a Time-Dominant GIS. One main Markovian assumption is stated: the land-use succession in a given place depends only on the land-use successions in neighbouring plots. By means of stochastic models such as a Hierarchical Hidden Markov Model and a Markov random field, ARPEnTAge performs an unsupervised clustering of a territory in order to reveal patches characterized by time space regularities in the land-use successions. Two case studies are developed involving two territories carrying environmental issues. Those territories have various sizes and are parameterized using long term surveys and/or remote sensing data. In both cases, ARPEnTAge detects, locates and displays in a GIS the temporal changes. This gives valuable information on the spatial and time dynamics of the land-use organization of those territories. Provide an unsupervised time space clustering software to mining land use dynamics.Provide a new way of estimating a class assignment in K-color Potts model based on the mean field paradigm.Implement a time dominant approach in a GIS.

International audience; Landscape spatial organization (LSO) strongly impacts many environmental issues. Modelling agricultural landscapes and describing meaningful landscape patterns are thus regarded as key-issues for designing sustainable landscapes. Agricultural landscapes are mostly designed by farmers. Their decisions dealing with crop choices and crop allocation to land can be generic and result in landscape regularities, which determine LSO. This paper comes within the emerging discipline called "landscape agronomy", aiming at studying the organization of farming practices at the landscape scale. We here aim at articulating the farm and the landscape scales for landscape modelling. To do so, we develop an original approach consisting in the combination of two methods used separately so far: the identification of explicit farmer decision rules through on-farm surveys methods and the identification of landscape stochastic regularities through data-mining. We applied this approach to the Niort plain landscape in France. Results show that generic farmer decision rules dealing with sunflower or maize area and location within landscapes are consistent with spatiotemporal regularities identified at the landscape scale. It results in a segmentation of the landscape, based on both its spatial and temporal organization and partly explained by generic farmer decision rules. This consistency between results points out that the two modelling methods aid one another for land-use modelling at landscape scale and for understanding the driving forces of its spatial organization. Despite some remaining challenges, our study in landscape agronomy accounts for both spatial and temporal dimensions of crop allocation: it allows the drawing of new spatial patterns coherent with land-use dynamics at the landscape scale, which improves the links to the scale of ecological processes and therefore contributes to landscape ecology.; L'organisation du paysage influe sur les problèmes environnementaux. Modéliser les paysages pour les décrire à l'aide de formes significatives est une étage clé. Les paysages agricoles sont principalement construits par les agriculteurs dont les décision d'assolement peuvent être génériques et déterminer des régularités dans l'organisation du paysage. Cet article contribue à l'agronomie des paysage qui est une discipline émergente. Nous cherchons à articuler les échelles du paysage et de l'exploitation agricole en développant deux méthodes : l'une consiste à identifier les décisions des agriculteurs par le bais d'enquêtes, l'autre consiste à retrouver des régularités stochastiques dans le paysage par le bais de fouille de données. Nous avons appliqué cette approche au paysage de la plaine de Niort en France. Les résultats montrent que les décisions des agriculteurs en matière de tournesol et maïs sont génériques et ont des effets sur le paysages que des méthodes de fouille de données révèlent et quantifient.

International audience; A combination of gene loss and acquisition through horizontal gene transfer (HGT) is thought to drive Streptococcus thermophilus adaptation to its niche, i.e. milk. In this study, we describe an in silico analysis com- bining a stochastic data mining method, analysis of homologous gene distribution and the identification of features frequently associated with horizontally transferred genes to assess the proportion of the S. thermophilus gen- ome that could originate from HGT. Our mining approach pointed out that about 17.7% of S. thermophilus genes (362 CDSs of 1,915) showed a composition bias; these genes were called 'atypical'. For 22% of them, their functional annotation strongly support their acquisition through HGT.; Une combinaison de perte / acquisition de gènes dans un processus de transfert horizontal (HGT) a conduit le Streptococcus thermophilus à s'adapter dans sa niche écologique, c-a-d le lait. Dans ce travail, nous décrivons une méthode de fouille de donnéeS fondée sur la modélisation stochastique, l'analyse de la distribution des gènes homologues et l'identification de traits fréquemment associés à des gènes transférés horizontalement afin d'évaluer quelle proportion du génome a été acquise par HGT. Nous approche montre que 17,7% approximativement des gènes de S. thermophilus (362 CDSs des 1915) ont un biais de composition; ces gènes sont dits "atypiques" . Pour 22% d'entre eux, leur annotation fonctionnelle laisse supposer fortement une acquisition par HGT.

Markov models represent a powerful way to approach the problem of mining time and spatial signals whose variability is not yet fully understood. In this chapter, we will present a general methodology to mine different kinds of temporal and spatial signals having contrasting properties: continuous or discrete with few or many modalities. This methodology is based on a high order Markov modelling as implemented in a free software: carottAge (Gnu GPL), Les modèles de Markov sont des modèles puissants pour analyser des signaux temporels et spatiaux dont la variabilité n'est pas entièrement comprise. Dans ce chapitre, nous présentons notre méthodologie pour fouiller différentes sortes de signaux ayant des propriétés différentes: signaux continus ou discrets, simples ou composites. Cette méthodologie s'appuie sur des modèles de Markov cachés du second-ordre tels qu'implantés dans la boîte à outils CarottAge (licence Gnu-GPL).

International audience; We present a new data mining method based on stochastic analysis (HMM for Hidden Markov Model) and combinatorial methods for discovering new transcriptional factors in bacterial genome sequences. Sigma factor binding sites (SFBSs) were described as patterns of box1 - spacer - box2 corresponding to the -35 and -10 DNA motifs of bacterial promoters. We used a high-order Hidden Markov Model in which the hidden process is a second-order Markov chain. Applied on the genome of the model bacterium Streptomyces coelicolor (2), the a posteriori state probabilities revealed local maxima or peaks whose distribution was enriched in the intergenic sequences (``iPeaks'' for intergenic peaks). Short DNA sequences underlying the iPeaks were extracted and clustered by a hierarchical classification algorithm based on the SmithWaterman local similarity. Some selected motif consensuses were used as box1 (-35 motif) in the search of a potential neighbouring box2 (-10 motif) using a word enumeration algorithm. This new SFBS mining methodology applied on Streptomyces coelicolor was successful to retrieve already known SFBSs and to suggest new potential transcriptional factor binding sites (TFBSs). The well defined SigR regulon (oxidative stress response) was also used as a test quorum to compare first and second-order HMM. Our approach also allowed the preliminary detection of known SFBSs in Bacillus subtilis.

International audience; In agricultural landscapes, methods to identify and describe meaningful landscape patterns play an important role to understand the interaction between landscape organization and ecological processes. We propose an innovative stochastic modelling method of agricultural landscape organization where the temporal regularities in land-use are first identified through recognized Land-Use Successions (LUS) before locating these successions in landscapes. These time-space regularities within landscapes are extracted using a new data mining method based on Hidden Markov Models. We applied this methodological proposal to the Niort Plain (West of France). We built a temporo-spatial analysis for this case study through spatially explicit analysis of Land Use Succession (LUS) dynamics. Implications and perspectives of such an approach, which links together the temporal and the spatial dimensions of the agricultural organization, are discussed by assessing the relationship between the agricultural landscape patterns defined using this approach and ecological data through an illustrative example of bird nests.

International audience; Neutral landscape models are not frequently used in the agronomical domain, whereas they would be very useful for studying given agro-ecological or physical processes. Contrary to ecological neutral landscape models, agricultural models have to represent and manage geometrical patches and thus should rely on tessellation methods. We present a three steps approach that aimed at simulating such landscapes. Firstly, we characterized the geometry of three real field patterns; secondly, we generated simulated field patterns with two tessellation methods attempting to control the value of some of the observed characteristics and, thirdly, we evaluated the simulated field patterns. For this evaluation, we considered that good simulated field patterns should capture characteristics of real landscapes that are important for the targeted agro-ecological process. Real landscapes and landscapes simulated using either a Voronoi or a rectangular tessellation were thus compared when used as input data within a gene flow model. The results showed that neither tessellation method captured field shapes correctly, thus leading to over or (small) under estimation of gene flow. The Voronoi tessellation, though, performed better than the rectangular tessellation. Possible research directions are proposed to improve the simulated patterns, including the use of post processing, the control of cell orientation or the implementation of other tessellation techniques.

International audience

http://www3.interscience.wiley.com/cgi-bin/fulltext/120696197/HTMLSTART; International audience; It is well established that pollen-mediated gene flow among natural plant populations depends on a complex interaction between the spatial distribution of pollen sources and the short- and long-distance components of pollen dispersal. Despite this knowledge, spatial isolation strategies proposed in Europe to ensure the harvest purity of conventional crops are based on distance from the nearest genetically modified (GM) crop and on empirical data from two-plot experiments. Here, we investigate the circumstances under which the multiplicity of pollen sources over the landscape should be considered in strategies to contain GM crops. We simulated pollen dispersal over eighty 6 × 6 km simulated landscapes differing in field characteristics and in amount of GM and conventional maize. Pollen dispersal was modelled either via a Normal Inverse Gaussian (NIG, currently used for European coexistence studies) or a bivariate Student (2Dt) kernel. These kernels differ in their amount of short- and long-distance dispersal. We used linear models to analyse the impact of local and landscape variables on impurity rates (i.e. proportion of seeds sired by pollen from a transgenic crop) in conventional fields and quantified their increase due to dispersal from other than the closest GM crops. The average impurity rate over a landscape increased linearly with the proportion of GM maize over that landscape. The increase was twice as fast using the NIG kernel and was governed by the short-distance dispersal component. Variation in impurity rates largely depended on the distance to the closest GM crop and the size of the receptor field. However, impurity rates were generally underestimated when only dispersal from the closest GM field was considered. Synthesis and applications. Distance to the closest GM crop had most impact on impurity rates in conventional fields. However, impurity rates also depended on intermediate- to long-distance dispersal from distant GM crops. Therefore, isolation distances as currently defined will probably not allow long-term coexistence of GM and conventional crops, especially as the proportion of GM crops grown increases. We suggest strategies to account for this impact of long-distance dispersal.

National audience; Dans cet article, nous présentons un simulateur de paysages agricoles bidimensionnels, GenExP, qui engendre des découpages parcellaires à partir des paramètres statistiques de paysages réels, en utilisant une géométrie algorithmique classique. L'originalité de GenExP est d'être couplé d'une part avec le logiciel R -- qui autorise les paramétrages et traitements statistiques des parcellaires générés -- et d'autre part avec le logiciel de fouille de données CarottAge -- afin d'intégrer des successions de culture construites à partir de bases de données agricoles. Finalement, GenExP fournit des cartes pluriannuelles de paysages agricoles, qui peuvent être utilisées dans le cadre de nombreuses applications. Ainsi, les résultats des logiciels Mapod et GeneSys, qui sont utilisés par les agronomes et écologues pour simuler la dispersion des pollens et des graines d'OGM à l'échelle d'une ou quelques parcelles, peuvent être étendus dans le temps et l'espace et permettre une meilleure estimation des risques.

Colloque avec actes sans comité de lecture. internationale.; International audience; In the frame of designing a knowledge discovery system, we have developed stochastic models based on high-order Hidden Markov Models (HMM2). These models are capable to map sequences of data into a Markov chain in which the transitions between the states depend on the n previous states according to the order of the model. We study the process of achieving information extraction from spatial and temporal data by means of an unsupervised classification. We use therefore a French national database related to land use, named Teruti, which describes the land use at two levels of resolution: the first level is defined by a grid of aerial pictures and the second level is defined by 6x6 matrices of sites located in the pictures. Land use (wheat, corn, forest, ...) is recorded every year on each site. We work with agronomists interested in finding agricultural land use regularities. The temporal segmentation of the data is done by means of second-order HMM that appear to have very good capabilities to locate stationary segments, as shown in our previous work in speech recognition. The spatial classification is performed by defining a fractal scanning of the images with the help of a Hilbert-Peano curve that introduces a total order on the sites, preserving the relation of neighborhood between the sites. We show that the HMM performs a spatial classification that is meaningful for the agronomists. Spatial and temporal classification is achieved simultaneously by means of 2 level HMM2 that measures the \aposteriori probability to map a temporal sequence of images onto a set of hidden states.

CD Rom disponible sur HAL; International audience; Dans cet article, nous présentons un simulateur de paysages agricoles bidimensionnels, GENEXP, qui engendre des découpages parcellaires à partir des paramètres statistiques de paysages réels, en utilisant une géométrie algorithmique classique. L'originalité de GENEXP est d'être couplé d'une part avec le logiciel R qui autorise les paramétrages et traitements statistiques des parcellaires générés et d'autre part avec le logiciel de fouille de données CARROTAGE afin d'intégrer des successions de culture construites à partir de bases de données agricoles. Finalement, GENEXP fournit des cartes pluriannuelles de paysages agricoles, qui peuvent être utilisées dans le cadre de nombreuses applications. Ainsi, les résultats des logiciels MAPOD-maïs et GENESYS-colza, qui sont utilisés par les agronomes pour simuler la dispersion des pollens et des graines d'OGM à l'échelle d'une ou quelques parcelles, peuvent être étendus dans le temps et l'espace et permettre une meilleure estimation des risques.

We present in this paper a new approach to acoustic-phonetic decoding of continuous speech that consists of integrating the two most promising present techniques in the field, i.e. stochastic modeling and knowledge-based expert systems. Our group has been developing several systems based on these two techniques during the past 15 years or so. Our present goal is to mix both in order to improve the overall quality of automatic phonetic decoding. This paper is concerned with the first developments of the project. We first present the main characteristics of the components of the system and its general architecture. We also present and discuss preliminary results concerning the segmentation of the speech wave into phonetic units and the gross labeling of these segments.

Actes des cinquièmes journées Extraction et Gestion des connaissances (EGC05) qui se sont tenues à Paris du 19 au 21 janvier 2005; National audience; Nous décrivons un processus de fouille de données en bioinformatique. Il se traduit par la spéciation de modèles de Markov cachés du second-ordre, leur apprentissage et leur utilisation pour permettre une segmentation de grandes séquences d'ADN en différentes classes qui traduisent chacune un état organisationnel et structural des motifs d'ADN locaux sous-jacents. Nous ne supposons aucune connaissance a priori sur les séquences que nous étudions. Dans le domaine informatique, ce travail est dédié à la définition d'observations structurées (les k-d-k-mers) permettant la localisation en contexte d'irrégularités, ainsi qu'à la description d'une méthode de classifcation utilisant plusieurs classifieurs. Dans le domaine biologique, cet article décrit une méthode pour prédire des ensembles de gènes co-régulés, donc susceptibles d'avoir des fonctions liées en réponse à des conditions environnementales spécifiques

[Departement_IRSTEA]DS [TR1_IRSTEA]METHODO / SYNERGIE; La connaissance de l'assolement d'une région constitue un enjeu important pour les gestionnaires de la ressource en eau, car cette information est un facteur clé de l'estimation des prélèvements en eau d'irrigation. Cet article restitue une expérience exploratoire basée sur le croisement de données d'occupation du sol échantillonnées dans le cadre de l'enquête Ter-Uti et de données d'occupation du sol acquises de manière exhaustive par enquête de terrain et sur une modélisation stochastique des règles de successions culturales. La discussion qui s'ensuit évalue la portée de cette étude exploratoire en fonction des premiers résultats et présente les possibilités qu'offre la télédétection. / Knowing the land use of a region is an important issue for water managers since it is a key factor for estimating irrigation withdrawals. This paper presents an exploratory work which involves sampled land use data from the Ter-Uti survey, exhaustive land use date from land survey and stochastic modelling of crop rotation rules. The limits of the present study, due to few case studies, are discussed, as well as the potentialities of the approach for managers and the opportunity offered by remote-sensing for improving the proposed methodology.

In this paper, we propose a new method based on Hidden Markov Models to interpret temporal sequences of sensor data from mobile robots to automatically detect features. Hidden Markov Models have been used for a long time in pattern recognition, especially in speech recognition. Their main advantages over other methods (such as neural networks) are their ability to model noisy temporal signals of variable length. We show in this paper that this approach is well suited for interpretation of temporal sequences of mobile-robot sensor data. We present two distinct experiments and results: the first one in an indoor environment where a mobile robot learns to detect features like open doors or T-intersections, the second one in an outdoor environment where a different mobile robot has to identify situations like climbing a hill or crossing a rock., 2004

In the field of speech recognition by stochastic methods, it is conventional to pursue approaches using first-order-hidden Markov models (HMM1s). Despite the success of this approach, it is still worth investigating if some of the drawbacks of HMM1s can be overcome, e.g. by using higher-order Markov processes. In this paper, we show that second-order hidden Markov models (HMM2s) can yield high performances in the context of continuous speech recognition. We first present the underlying equations and complexity of HMM2s in the maximum likelihood estimation (MLE) paradigm. Then, we show that in a connected word recognition task, such as spelled name recognition over the telephone, HMM2s outperform HMM1s. In the field of phoneme-based continuous speech recognition, we show that context-independent HMM2s can achieve more than 69% phone accuracy.

We describe a continuous speech recognition system that uses the multi-band paradigm. This principle is based on the recombination of several independent sub-recognizers, each one assigned to a specific frequency band. The major issue of such systems consists of deciding at which time the recombination must be done. Our algorithm lets each band be totally independent from the others, and uses the different solutions to resegment the initial sentence. Finally, the bands are synchronously merged together, according to this new segmentation. The whole system is too complex to be entirely described here, and, in this paper, we concentrate on the synchronous recombination part, which is achieved by a classifier. The system has been tested in clean and noisy environments, and proved to be especially robust to noise.

We introduce SmarTspelL, a new speaker-independent algorithm to recognize continuously spelled names over the telephone. Our method is based on an N-best multi-pass recognition strategy applying costly constraints when the number of possible candidates is low. This strategy outperforms an HMM recognizer using a grammar containing all the possible names. It is also more suitable to real-time implementation. For a 3388 name dictionary, a 95.3% name recognition rate is obtained. A real-time prototype has been implemented on a workstation. We also present comparisons of different feature sets for speech representation, and two speech recognition approaches based on first- and second-order HMMs.

Colloque avec actes et comité de lecture. nationale.; National audience; Nous présentons les résultats d'un travail de fouille de données effectué par des agronomes et des informaticiens pour extraire des bases de données agricoles \teruti des informations sur les successions de cultures pratiquées dans une région. Nous avons utilisé pour cela des modèles stochastiques développés pour l'analyse de séquences et d'images : les modèles de Markov cachés. Ces modèles permettent de représenter des observations temporelles et spatiales comme des successions d'états où les transitions entre états dépendent, suivant l'ordre du modèle, de l'état courant et des $n$ états voisins. Nous présentons une méthode de classification spatio-temporelle qui permet de découper une région sur la base des évolutions des successions de cultures qui y sont pratiquées en faisant apparaître des classes homogènes de successions de cultures. Deux exemples illustrent notre travail : les cas de la Lorraine et de Midi-Pyrénées.

Quicksort is a fast sorting algorithm, widely used for internal sorting. The basic idea is the choice of a partitioning element K. For example, let us consider the integer sequence [Regnier, 1989]: 45, 677, 98, 43, 42, 41, 60, 130, 32, 67 and choose K = 67 as the partitioning element. Scanning the left sublist from left to right, one exchanges any key greater than K with a key of the right sublist, scanned from right to left. This builds a list where K has its final position, all the keys to its left (resp. to its right) being smaller (resp. larger) than K.The intermediate stages are: 45 32 677 67 45 32 60 98 130 677 67 45 32 60 43 42 41 98 130 677 67 45 32 60 43 42 41 98 130 677 67

Ouvrage (auteur).; This book presents a large variety of applications of probability theory and statistics in computer science but we do not cover all domains of application. We focus mostly on: Probabilistic algorithm analysis: starting with the Quicksort algorithm, we switch to A.T.~Jonassen and D.E.Knuth's famous trivial dynamic algorithm whose analysis isn't. Then we lay out the basics of the probabilistic analysis of dynamic data structures. We illustrate with G.~Louchard's method applied to the linear list, then present R.~Maier's powerful large deviation analysis. Binary search trees have been deeply investigated over the last decade. We present a nice result on the width obtained by B.~ Chauvin, M.~ Drmota and J.~Jabbour-Hattab through large deviations. Then we give some hints on R.~ Cerf's probabilistic analysis of a simple genetic algorithm. A concurrency measure based on simple Markov chain features is defined and analyzed. We present also W.T.~Rhee and M.~Talagrand's analysis of bin packing problems. Some simple parallel algorithms (two stacks problem, banker algorithms) are anal yzed with the same tools as dynamic data structures. Computational geometry (and many other algorithmic fields) benefited largely from probability theory through the design and analysis of randomized algorithms. We restrict ourselves to only a few classical geometric constructions (convex hull, Voronoi diagrams and Delaunay triangulations) and follow an expository survey of O. Devillers. Applications of probabilistic tools (Hidden Markov Models, Markov Decision Processes) in speech recognition and robotics. We have decided to work out completely only a few examples. These applications show the important contributions of probabilistic techniques.

In this section, we describe a method based on hidden Markov models for learning and recognizing places in an indoor environment by a mobile robot. Hidden Markov models have been used for a long time in pattern recognition, especially in speech recognition. Their main advantages over other methods (e.g. neural networks, ... ) are their capabilities to modelize noisy temporal signals of variable length.

The speech signal is the result of a voluntary and well-controlled movement of the speech apparatus. The design of an adequate modeling of speech patterns has been a constant concern since the beginning of automatic speech recognition research. In template methods [Sakoe and Chiba, 1978], the acoustic variability modeling of vocabulary consisted in storing several references for the same lexical unit, or in deriving typical sequences of acoustic frames by resorting to some kind of averaging method. These solutions were rather inefficient and expensive, even though they can provide a viable solution for a variety of applications. The idea of the statistical modeling of the spectral properties of speech gave a new dimension to the problem. The underlying assumption for all statistical methods is that speech can be adequately characterized as a random process whose parameters can be estimated effectively. We consider that the intelligent movement of the vocal track controlled by a speaker uttering a word in a specific acoustic and prosodic context is a temporal sequence of random events emitted by a Markov source. We therefore adopt a Bayesian attitude and quantify the uncertainty about the occurrence of an event by a probability.

The software GENEXP allows to simulate 2-dimensional agricultural landscapes by using a traditional algorithmic geometry. Based on real or realistic field-patterns, GENEXP provides multiannual maps of agricultural landscapes, which are used by softwares simulating the dispersal of GM pollen grains and seeds at various scales.; GENEXP est un simulateur de paysages agricoles qui engendre des découpages parcellaires en utilisant une géométrie algorithmique classique. GENEXP fournit, sur la base de parcellaires réels ou réalistes, des cartes pluriannuelles de paysages agricoles utilisables par des logiciels qui simulent la dispersion des pollens et des graines d'OGM à différentes échelles.

International audience; We present a three steps approach that aimed at simulating neutral agricultural landscape models: (1) we characterized the geometry of three real field patterns; (2) we generated simulated field patterns with two tessellation methods attempting to control the value of some of the observed characteristics and, (3) we evaluated the simulated field patterns. The first two steps were integrated to the GenExP-LandSiTes software that thus simulates two-dimensional agricultural landscapes. It is written in Java, and it is freely accessible through a Gnu Public Licence. For the third step, we considered that good simulated field patterns should capture characteristics of real landscapes that are important for the targeted agro-ecological process. Real landscapes and landscapes simulated using either a Voronoi or a rectangular tessellation were thus compared when used as input data within The MAPOD-maize gene flow model. The results showed that the Voronoi tessellation performed better than the rectangular tessellation. In our ongoing research we consider random line-based tessellations constrained by a probability distribution penalizing the extreme values of targeted features (for example too large variability of cell areas). We also propose an algorithm for simulating such tessellations. The probability distribution parameters can be fitted from observed landscapes. This should result in generating tessellations similar to real patterns.

L’agriculture est l’activité humaine qui utilise et transforme la plus grande partie de la surface terrestre. Son inten-sification et son uniformisation ont engendré plusieurs problèmes écologiques et environnementaux. Comprendre les dynamiques passées et actuelles des territoires agricoles à des échelles régionales, compatibles avec les échelles où s’expriment les services environnementaux et écologiques, est nécessaire pour mieux gérer l’évolution future des territoires agricoles. Pourtant, la plupart des travaux qui ont étudié les dynamiques agricoles à des échelles régionales ne distinguent pas les dynamiques liées au fonctionnement régulier de l’activité agricole de celles liées à des changemements dans son fonctionnement. Les autres travaux rapportés dans la littérature qui font cette distinction présentent toutefois l’inconvénient d’être difficilement reproductibles. Cette thèse vise ainsi à développer une méthode générique de modélisation des dynamiques passées et actuelles de l’organisation territoriale de l’activité agricole (OTAA). Nous avons développé une méthode de modélisation stochastique fondée sur des modèles de Markov cachés qui permet de fouiller un corpus de données spatio-temporelles d’occupations du sol (OCS) en vue de le segmenter et de révéler des dynamiques agricoles cachées. Nous avons testé cette méthode sur des corpus d’OCS issus de sources variées (relevés de terrain, télédétection) et appartenant à deux territoires agricoles de dimensions régionales : le site d’étude de Chizé (430 km2, Poitou-Charentes) et le bassin versant du Yar (60 km2, Bretagne). Cette méthode apporte 3 contributions à la modélisation de l’OTAA : (i) la description de l’OTAA suivant une approche temporo-spatiale qui identifie des régularités temporelles, puis les localise en segmentant le territoire agricole en zones compactes de régularités temporelles similaires ; (ii) la fouille des voisinages des successions d’OCS et de leurs dynamiques ; (iii) l’articulation des régularités révélées par notre approche de fouille de données à l’échelle régionale avec des règles identifiées par des experts en agronomie et en écologie à des échelles plus locales en vue d’expliquer les régularités et de valider les hypothèses des experts. Nous avons testé la généricité de la première contribution sur les deux territoires d’études. Les deux dernières contributions ont été développées et testées sur le site d’étude de Chizé. Nos résultats valident l’hypothèse que l’OTAAse prête bien à la représentation par un champs de Markov de successions. Cette thèse ouvre la voie à une nouvelle approche de modélisation de l’OTAA explorant le couplage entre régularités et règles, et exploitant davantage les outils d’intelligence artificielle. Elle constituerait les prémices de ce qui pourrait devenir une agronomie numérique des territoires., Agriculture is the human activity that uses and transforms most of the Earth’s surface. Agricultural intensification and simplification have created numerous ecological and environmental problems. To better manage the future development of agricultural landscapes, it is important to understand the past and current dynamics of agricultural landscapes at regional scales compatible with the scales where environmental and ecological services manifest themselves. Yet, most studies on agricultural dynamics at regional scales do not distinguish between the dynamics related to a steady-state farming activity and the dynamics related to changes in the mechanisms of farming activity. Meanwhile, studies reported in the literature that make this distinction have the disadvantage of being difficult to duplicate. The purpose of this thesis is to develop a generic method for modelling the past and current dynamics of Landscape Organization of Farming Activity (LOFA). We developed a stochastic modelling method based on Hidden Markov Models that allows data mining within a corpus of spatio-temporal land use data to segment the corpus and reveal hidden agricultural dynamics. We applied this method to land use corpora from various sources (field surveys, remote sensing) belonging to two agricultural landscapes of regional dimension: the study site of Chizé (430 km2, Poitou-Charentes, France) and the catchment area of Yar (60 km2, Brittany, France). This method provides three contributions to the modeling of LOFA : (i) LOFA description following a temporo-spatial approach that first identifies temporal regularities and then localizes them by segmenting the agricultural landscape into compact areas having similar temporal regularities ; (ii) data mining of the neighborhood of land use successions and their dynamics ; (iii) combining of the regularities revealed by our data mining approach at the regional level with rules identified by agronomy and ecology experts at more local scales to explain the regularities and validate the experts’ hypotheses. We tested the generic nature of the first contribution on the two study sites. The last two LOFA modelling contributions were developed abd tested on the study site of Chizé. Our results validate the hypothesis according to which LOFA fits well a Markov field of land-use successions. This thesis opens the door to a new LOFA modelling approach that investigates the combining of regularities and rules and that further exploits artificial intelligence tools. This work could serve as the beginning of what could become a numerical landscape agronomy.

In the context of changing agricultural policy, the development of agricultural production systems, increasing concern for agricultural sustainability and shifts in agricultural land management practice-related land-use change, the main objective of this thesis was to mine crop sequence patterns (CSP) and the relationships between CSP and the biophysical and socio-technical-economic conditions in mainland France from historical census data (e.g. land-cover survey, agricultural censuses, population census). Our study period 1992-2003 covers the implementation period of the 1992 European Union Common Agricultural Policy reform and Agenda 2000 in France. Both the classical statistical and data mining technique were applied in alone or combined ways in this thesis. First, we proposed an innovative approach to representing CSP within a given area and period at a large regional scale in a stationary way. The 2549 3-year crop sequences (CSs) were first identified as major CSs within all 430 agricultural districts (ADs) in mainland France during this period. Next, 21 clusters of ADs , four types of cropping systems, 90 representative ADs and three principal planting zones of cereals, oilseeds, and protein crops belonging to five clusters identified previously were further defined. We then explored CSP in a dynamic way by investigating CSP after grassland-to-cropland conversion, the temporal variability of CSP, and the evolution of the relationships between CSP and the external conditions over the study period. We conclude that the approaches developed here permit the representation of CSP at the large regional scale in both stationary and dynamic ways using time series land-cover data denoting specific agricultural cover types. The findings of this thesis contribute to improving the understanding of the process and pattern of human land management practices by agriculture affecting the terrestrial biosphere, L’objectif principal de cette thèse est d’instruire l’organisation des successions culturales, à l’échelle de la France et sur un recul décennal, tant en terme de cinétiques localisées qu’en terme de dynamiques liées à des variables explicatives du milieu physique et socio-technico-économiques. Ce travail de « fouille de données » est appliqué en France métropolitaine, en utilisant les bases de données publiques disponibles. Notre étude couvre la période 1992-2003 où s’implémenta la réforme de 1992 de la Politique Agricole Commune européenne et l’agenda 2000 en France. A partir d’une fouille de données sur l’ensemble des points Terruti sur cette période, 2549 successions culturales de trois ans furent identifiées. Ensuite, 21 clusters de l’ensemble des 430 régions agricoles (RA) françaises, quatre systèmes de culture, 90 RA, parangons des 430 RA, et trois régions principales appartenant à cinq des 21 clusters, regroupant les cultures de céréales, oléagineux et protéagineux, ont été définis. Deux approches de cinétiques des successions ont été réalisées : Une étude envisageant les successions de culture qui suivent les retournements de prairies permanentes. Une recherche des dynamiques d’évolution de successions culturales en lien avec des conditions externes. Nous proposons une utilisation ultérieure des méthodes mobilisées qui ont montré leur capacité à cartographier les grandes tendances d’évolution en France et à identifier les principales variables explicatives de ces évolutions. Les apports de cette thèse contribuent à améliorer notre compréhension des processus qui organisent les successions culturales en France et construisent par ces pratiques agricoles très dynamiques des impacts forts sur le territoire agricole français

In the context of changing agricultural policy, the development of agricultural production systems, increasing concern for agricultural sustainability and shifts in agricultural land management practice-related land-use change, the main objective of this thesis was to mine crop sequence patterns (CSP) and the relationships between CSP and the biophysical and socio-technical-economic conditions in mainland France from historical census data (e.g. land-cover survey, agricultural censuses, population census). Our study period 1992-2003 covers the implementation period of the 1992 European Union Common Agricultural Policy reform and Agenda 2000 in France. Both the classical statistical and data mining technique were applied in alone or combined ways in this thesis. First, we proposed an innovative approach to representing CSP within a given area and period at a large regional scale in a stationary way. The 2549 3-year crop sequences (CSs) were first identified as major CSs within all 430 agricultural districts (ADs) in mainland France during this period. Next, 21 clusters of ADs , four types of cropping systems, 90 representative ADs and three principal planting zones of cereals, oilseeds, and protein crops belonging to five clusters identified previously were further defined. We then explored CSP in a dynamic way by investigating CSP after grassland-to-cropland conversion, the temporal variability of CSP, and the evolution of the relationships between CSP and the external conditions over the study period. We conclude that the approaches developed here permit the representation of CSP at the large regional scale in both stationary and dynamic ways using time series land-cover data denoting specific agricultural cover types. The findings of this thesis contribute to improving the understanding of the process and pattern of human land management practices by agriculture affecting the terrestrial biosphere, L’objectif principal de cette thèse est d’instruire l’organisation des successions culturales, à l’échelle de la France et sur un recul décennal, tant en terme de cinétiques localisées qu’en terme de dynamiques liées à des variables explicatives du milieu physique et socio-technico-économiques. Ce travail de « fouille de données » est appliqué en France métropolitaine, en utilisant les bases de données publiques disponibles. Notre étude couvre la période 1992-2003 où s’implémenta la réforme de 1992 de la Politique Agricole Commune européenne et l’agenda 2000 en France. A partir d’une fouille de données sur l’ensemble des points Terruti sur cette période, 2549 successions culturales de trois ans furent identifiées. Ensuite, 21 clusters de l’ensemble des 430 régions agricoles (RA) françaises, quatre systèmes de culture, 90 RA, parangons des 430 RA, et trois régions principales appartenant à cinq des 21 clusters, regroupant les cultures de céréales, oléagineux et protéagineux, ont été définis. Deux approches de cinétiques des successions ont été réalisées : Une étude envisageant les successions de culture qui suivent les retournements de prairies permanentes. Une recherche des dynamiques d’évolution de successions culturales en lien avec des conditions externes. Nous proposons une utilisation ultérieure des méthodes mobilisées qui ont montré leur capacité à cartographier les grandes tendances d’évolution en France et à identifier les principales variables explicatives de ces évolutions. Les apports de cette thèse contribuent à améliorer notre compréhension des processus qui organisent les successions culturales en France et construisent par ces pratiques agricoles très dynamiques des impacts forts sur le territoire agricole français

The purpose of this thesis is to develop a generic method for modelling the past and current dynamics of Landscape Organization of Farming Activity (LOFA). We developed a stochastic modelling method based on Hidden Markov Models that allows data mining within a corpus of spatio-temporal land use data to segment the corpus and reveal hidden agricultural dynamics. We applied this method to land use corpora from various sources belonging to two agricultural landscapes of regional dimension. This method provides three contributions to the modeling of LOFA : (i) LOFA description following a temporo-spatial approach that first identifies temporal regularities and then localizes them by segmenting the agricultural landscape into compact areas having similar temporal regularities; (ii) data mining of the neighborhood of land use successions and their dynamics; (iii) combining of the regularities revealed by our data mining approach at the regional level with rules identified by agronomy and ecology experts at more local scales to explain the regularities and validate the experts' hypotheses. Our results validate the hypothesis according to which LOFA fits well a Markov field of land-use successions. This thesis opens the door to a new LOFA modelling approach that investigates the combining of regularities and rules and that further exploits artificial intelligence tools. This work could serve as the beginning of what could become a numerical landscape agronomy, Cette thèse vise à développer une méthode générique de modélisation des dynamiques passées et actuelles de l'organisation territoriale de l'activité agricole (OTAA). Nous avons développé une méthode de modélisation stochastique fondée sur des modèles de Markov cachés qui permet de fouiller un corpus de données spatio-temporelles d'occupations du sol (OCS) en vue de le segmenter et de révéler des dynamiques agricoles cachées. Nous avons testé cette méthode sur des corpus d'OCS issus de sources variées et appartenant à des territoires agricoles de dimensions. Cette méthode apporte 3 contributions à la modélisation de l'OTAA : (i) la description de l'OTAA suivant une approche temporo-spatiale qui identifie des régularités temporelles, puis les localise en segmentant le territoire agricole en zones compactes de régularités temporelles similaires; (ii) la fouille des voisinages des successions d'OCS et de leurs dynamiques; (iii) l'articulation des régularités révélées par notre approche de fouille de données à l'échelle régionale avec des règles identifiées par des experts en agronomie et en écologie à des échelles plus locales en vue d'expliquer les régularités et de valider les hypothèses des experts. Nos résultats valident l'hypothèse que l'OTAA se prête bien à la représentation par un champs de Markov de successions. Cette thèse ouvre la voie à une nouvelle approche de modélisation de l'OTAA explorant le couplage entre régularités et règles, et exploitant davantage les outils d'intelligence artificielle. Elle constituerait les prémices de ce qui pourrait devenir une agronomie numérique des territoires

The purpose of this thesis is to develop a generic method for modelling the past and current dynamics of Landscape Organization of Farming Activity (LOFA). We developed a stochastic modelling method based on Hidden Markov Models that allows data mining within a corpus of spatio-temporal land use data to segment the corpus and reveal hidden agricultural dynamics. We applied this method to land use corpora from various sources belonging to two agricultural landscapes of regional dimension. This method provides three contributions to the modeling of LOFA : (i) LOFA description following a temporo-spatial approach that first identifies temporal regularities and then localizes them by segmenting the agricultural landscape into compact areas having similar temporal regularities; (ii) data mining of the neighborhood of land use successions and their dynamics; (iii) combining of the regularities revealed by our data mining approach at the regional level with rules identified by agronomy and ecology experts at more local scales to explain the regularities and validate the experts' hypotheses. Our results validate the hypothesis according to which LOFA fits well a Markov field of land-use successions. This thesis opens the door to a new LOFA modelling approach that investigates the combining of regularities and rules and that further exploits artificial intelligence tools. This work could serve as the beginning of what could become a numerical landscape agronomy, Cette thèse vise à développer une méthode générique de modélisation des dynamiques passées et actuelles de l'organisation territoriale de l'activité agricole (OTAA). Nous avons développé une méthode de modélisation stochastique fondée sur des modèles de Markov cachés qui permet de fouiller un corpus de données spatio-temporelles d'occupations du sol (OCS) en vue de le segmenter et de révéler des dynamiques agricoles cachées. Nous avons testé cette méthode sur des corpus d'OCS issus de sources variées et appartenant à des territoires agricoles de dimensions. Cette méthode apporte 3 contributions à la modélisation de l'OTAA : (i) la description de l'OTAA suivant une approche temporo-spatiale qui identifie des régularités temporelles, puis les localise en segmentant le territoire agricole en zones compactes de régularités temporelles similaires; (ii) la fouille des voisinages des successions d'OCS et de leurs dynamiques; (iii) l'articulation des régularités révélées par notre approche de fouille de données à l'échelle régionale avec des règles identifiées par des experts en agronomie et en écologie à des échelles plus locales en vue d'expliquer les régularités et de valider les hypothèses des experts. Nos résultats valident l'hypothèse que l'OTAA se prête bien à la représentation par un champs de Markov de successions. Cette thèse ouvre la voie à une nouvelle approche de modélisation de l'OTAA explorant le couplage entre régularités et règles, et exploitant davantage les outils d'intelligence artificielle. Elle constituerait les prémices de ce qui pourrait devenir une agronomie numérique des territoires

Ce document présente mon ``projet de recherche'' sur le thème de l'embodiment (``cognition incarnée'') au croisement des sciences cognitives, de l'intelligence artificielle et de la robotique. Plus précisément, je montre comment je compte explorer la façon dont un agent, artificiel ou biologique, élabore des représentations utiles et pertinentes de son environnement. Dans un premier temps, je positionne mes travaux en explicitant notamment les concepts de l'embodiment et de l'apprentissage par renforcement. Je m'attarde notamment sur la problématique de l'apprentissage par renforcement pour des tâches non-Markoviennes qui est une problématique commune aux différents travaux de recherche que j'ai menés au cours des treize dernières années dans des contextes mono et multi-agents, mais aussi robotique. L'analyse de ces travaux et de l'état de l'art du domaine me conforte dans l'idée que la principale difficulté pour l'agent est bien celle de trouver des représentations adaptées, utiles et pertinentes. J'argumente que l'on se retrouve face à une problématique fondamentale de la cognition, intimement liée aux problèmes de ``l'ancrage des symboles'', du ``frame problem'' et du fait ``d'être en situation'' et qu'on ne pourra y apporter des réponses que dans le cadre de l'embodiment. C'est à partir de ce constat que, dans une dernière partie, j'aborde les axes et les approches que je vais suivre pour poursuivre mes travaux en développant des techniques d'apprentissage robotique qui soient incrémentales, holistiques et motivationnelles.

It has now become usual for organisations to share information systems, services or processes as they move from centralized architectures to distributed architectures in order to carry out cooperative projects. In this context, interoperability, i.e. the ability for two or more components (applications, data sources, services but also business processes) to communicate and cooperate despite diferences (heterogeneity) due to the implementation language to runtime environment (business applications) or models (level of abstraction chosen to represent a information), has become increasingly important. In my work, I am interested in various issues around interoperability, respectively, by studying the problems of data integration to take into account the heterogeneity at the data level, problems of distribution and autonomy of business processes, and the problems of reliability in web services compositions in SOA. It is these dimensions that I present in this document, as well as some perspectives.; Il est désormais devenu naturel pour les entreprises de faire coexister des systèmes d'informations, des services ou des processus différents étant donné que celles-ci passent d'architectures centralisées à des architectures distribuées en vue de mener à bien des projets communs. Dans ce contexte, l'interopérabilité, c'est-à-dire la capacité qu'ont deux ou plusieurs composants (applications, sources de données, services mais aussi processus métier) de communiquer et de coopérer en dépit des différences (l'hétérogénéité) dues au langage d'implantation, à l'environnement d'exécution (applicatif métier) ou au modèle d'abstraction choisi (niveau d'abstraction choisi pour représenter une information), est devenue de plus en plus importante. Dans mes travaux, je me suis intéressé à différents problèmes autour de l'interopérabilité, en étudiant respectivement les problèmes liés à l'intégration de données afin de prendre compte l'hétérogénéité au niveau données, les problèmes liés à la distribution et à l'autonomie des processus interentreprises, et enfin les problèmes liés la fiabilité des compositions de services dans les architectures orientées services. Ce sont ces dimensions que je présente dans ce document, ainsi que quelques perspectives.

It has now become usual for organisations to share information systems, services or processes as they move from centralized architectures to distributed architectures in order to carry out cooperative projects. In this context, interoperability, i.e. the ability for two or more components (applications, data sources, services but also business processes) to communicate and cooperate despite diferences (heterogeneity) due to the implementation language to runtime environment (business applications) or models (level of abstraction chosen to represent a information), has become increasingly important. In my work, I am interested in various issues around interoperability, respectively, by studying the problems of data integration to take into account the heterogeneity at the data level, problems of distribution and autonomy of business processes, and the problems of reliability in web services compositions in SOA. It is these dimensions that I present in this document, as well as some perspectives.; Il est désormais devenu naturel pour les entreprises de faire coexister des systèmes d'informations, des services ou des processus différents étant donné que celles-ci passent d'architectures centralisées à des architectures distribuées en vue de mener à bien des projets communs. Dans ce contexte, l'interopérabilité, c'est-à-dire la capacité qu'ont deux ou plusieurs composants (applications, sources de données, services mais aussi processus métier) de communiquer et de coopérer en dépit des différences (l'hétérogénéité) dues au langage d'implantation, à l'environnement d'exécution (applicatif métier) ou au modèle d'abstraction choisi (niveau d'abstraction choisi pour représenter une information), est devenue de plus en plus importante. Dans mes travaux, je me suis intéressé à différents problèmes autour de l'interopérabilité, en étudiant respectivement les problèmes liés à l'intégration de données afin de prendre compte l'hétérogénéité au niveau données, les problèmes liés à la distribution et à l'autonomie des processus interentreprises, et enfin les problèmes liés la fiabilité des compositions de services dans les architectures orientées services. Ce sont ces dimensions que je présente dans ce document, ainsi que quelques perspectives.

Second-order Hidden Markov Models (HMM2) are stochastic processes with a high efficiency in exploring bacterial genome sequences. Different types of HMM2 (M1M2, M2M2, M2M0) combined to combinatorial methods were developed in a new approach to discriminate genomic regions without a priori knowledge on their genetic content. This approach was applied on two bacterial models in order to validate its achievements: Streptomyces coelicolor and Streptococcus thermophilus. These bacterial species exhibit distinct genomic traits (base composition, global genome size) in relation with their ecological niche: soil for S. coelicolor and dairy products for S. thermophilus. In S. coelicolor, a first HMM2 architecture allowed the detection of short discrete DNA heterogeneities (5-16 nucleotides in size), mostly localized in intergenic regions. The application of the method on a biologically known gene set, the SigR regulon (involved in oxidative stress response), proved the efficiency in identifying bacterial promoters. S. coelicolor shows a complex regulatory network (up to 12% of the genes may be involved in gene regulation) with more than 60 sigma factors, involved in initiation of transcription. A classification method coupled to a searching algorithm (i.e. R?MES) was developed to automatically extract the box1-spacer-box2 composite DNA motifs, structure corresponding to the typical bacterial promoter -35/-10 boxes. Among the 814 DNA motifs described for the whole S. coelicolor genome, those of sigma factors (?B, ?WhiG) could be retrieved from the crude data. We could show that this method could be generalized by applying it successfully in a preliminary attempt to the genome of Bacillus subtilis, Les modèles de Markov d'ordre 2 (HMM2) sont des modèles stochastiques qui ont démontré leur efficacité dans l'exploration de séquences génomiques. Cette thèse explore l'intérêt de modèles de différents types (M1M2, M2M2, M2M0) ainsi que leur couplage à des méthodes combinatoires pour segmenter les génomes bactériens sans connaissances a priori du contenu génétique. Ces approches ont été appliquées à deux modèles bactériens afin d'en valider la robustesse : Streptomyces coelicolor et Streptococcus thermophilus. Ces espèces bactériennes présentent des caractéristiques génomiques très distinctes (composition, taille du génome) en lien avec leur écosystème spécifique : le sol pour les S. coelicolor et le milieu lait pour S. thermophilus

Diplôme : Dr. d'Université

De nombreux travaux portent sur les réseaux de neurones artificiels appliqués à des systèmes fortement contraints (systèmes ambulatoires, systèmes autonomes, systèmes adaptatifs, etc), pour lesquels le caractère élémentaire et massivement distribué des calculs neuronaux s'avère un atout. De façon plus large, ce caractère définit la nature même des calculs connexionnistes : une puissance de calcul et une robustesse fondées sur un parallélisme massif à grain très fin où les unités de calcul s'insèrent dans un flux d'informations très dense. Il est donc indispensable de pouvoir pleinement exploiter ce parallélisme connexionniste, à la fois en termes de potentiel de calcul et en termes de perspectives d'implantations embarquées efficaces. Une partie de ces travaux s'attache à définir différentes approches d'implantation massivement parallèle de réseaux neuronaux. Une approche globale de la pratique de calcul connexionniste ne peut pas faire l'économie d'une réflexion sur les fondements de la conception des architectures connexionnistes susceptibles de résoudre un problème donné. L'essentiel des travaux sur les réseaux de neurones s'est concentré sur la définition de familles de modèles neuronaux dont l'apprentissage permet de traiter des tâches telles que classification, régression, discrimination, auto-régression, etc. Ces modèles restent d'actualité, ne serait-ce que par la variété des applications dans lesquelles ils jouent encore un rôle central, et les travaux rapportés dans ce manuscrit portent en partie sur ces modèles. Néanmoins, ils n'apparaissent le plus souvent que comme des outils de traitement statistique de données, au même titre que de nombreux autres modèles. Ils se heurtent ainsi à une barrière de complexité dans les problèmes qu'ils sont susceptibles de résoudre. Franchir "à l'aveuglette" cette barrière, c'est à dire proposer ex nihilo des architectures connexionnistes capables de réaliser des tâches cognitives complexes, ne semble pas raisonnable. De nombreux chercheurs suggèrent alors de prendre appui sur des exemples naturels de systèmes distribués capables de réaliser ces tâches. Les neurosciences sont une orientation possible. C'est cette inspiration sur la base des mécanismes observés dans le cerveau qui est proposée dans une partie des travaux rapportés dans ce manuscrit. L'objet de ces travaux n'est pas de faire le tour de l'apport possible des neurosciences pour la conception des modèles connexionnistes, mais de montrer que même dans le cas de modèles d'inspiration corticale, la défense du parallélisme connexionniste passe par une étude focalisée sur les mécanismes locaux de gestion du flux d'informations sous-jacent à ces modèles.