Search

CorTexT Manager est une application web construite par des chercheurs et par des ingénieurs à destination de chercheurs en sciences humaines et sociales, au plus près des questions portées par les chercheurs qui nous entourent et par notre communauté d’utilisateurs. Cette application web peut produire un grand nombre d’analyses différentes qui ont trait aux champs méthodologiques du traitement automatique de la langue, de l’analyse des réseaux sociaux, de la statistique, et plus récemment autour de la dimension géographique qui se cache dans ces données. Un des points forts de Cortext Manager est de pouvoir traiter plusieurs dimensions d’analyse en les combinant dans le même espace. Cet aspect hétérogène permet par exemple d’associer le temps avec la dimension sociale, de l’analyse de texte avec la dimension sociale ou géographique. Cela permet d’appréhender l’émergence de domaines de recherche et d’innovation, d’étudier des controverses et "hot topics", d’effectuer des cartographies socio-sémantiques des productions de la recherche (publications, brevets, projets), ainsi que d’analyser des contenus issus du web et des média-sociaux. Cet atelier se propose de sensibiliser l’audience à certaines de ces méthodes tout en découvrant l’organisation et l’évolution de la production scientifique autour de la chloroquine et de l’hydroxychloroquine entre 2014 et 2020., Cette présentation a été réalisée lors du webinaire du mercredi 21 juin 2023, organisé par le GTSO Données de Couperin. L'enregistrement est disponible ici : https://youtu.be/siMM8Uhz-ms

L'IA a connu une couverture médiatique croissante ces dernières années. A partir de corpus d'articles de presse portant sur l'IA et les algorithmes, nous proposons une analyse des discours que les médias produisent sur ces technologies de calcul. Nos travaux mettent en évidence les domaines et les enjeux associés à ces technologies, ainsi que le cadrage médiatique articulant des discours de promesses et de critiques sur l'impact de l'IA dans la société. Notre présentation se centrera principalement sur le protocole méthodologique et les outils déployés pour effectuer ces analyses. Cette présentation a été réalisée lors du webinaire du mercredi 21juin2023, organisé par le GTSO Données de Couperin. L’enregistrement est disponible ici :https://youtu.be/siMM8Uhz-ms

Les décharges Sparks sont des décharges électriques transitoires avec une courte durée de vie. Par rapport à son initiation en milieu gazeux, l’initiation de ce type de décharges dans un liquide diélectrique induit de nouveaux phénomènes physico-chimiques dans le plasma et aux interfaces plasma-liquide et plasma-électrodes. Depuis une vingtaine d’années, la recherche scientifique exploite les propriétés de ces décharges pour des applications diverses : dépollution de liquide, synthèse de nanoparticules, usinage par électro-érosion, etc. Dans ce contexte, ce mémoire a pour objectif d’apporter une meilleure compréhension de la physique des décharges Sparks dans les liquides diélectriques. Les décharges dans les liquides se caractérisent par un comportement stochastique fort. Des études statistiques d’un nombre important de décharges sur les caractéristiques électriques ont été effectuées en fonction de différents paramètres. Ces paramètres sont la distance inter-électrodes, la nature des électrodes ainsi que la polarité de la tension appliquée. L’acquisition des courbes courant-tension de chaque décharge permet de déterminer ses propriétés électriques, soient la tension de claquage, le courant de la décharge, le délai de claquage, la charge injectée, la probabilité de claquage, etc. L’influence d’un champ magnétique externe, en particulier son orientation par rapport à l’axe des électrodes, sur les caractéristiques de la décharge a ensuite été explorée. L’étude des interactions plasma-électrode en fonction de l’orientation du champ magnétique a été réalisée en analysant des images de la dispersion des impacts créés par les décharges sur la contre-électrode et de l’érosion de la pointe. De plus, nous avons démontré que la nature du matériau des électrodes, en particulier ses propriétés magnétiques, influe grandement le taux d’érosion de celles-ci. Les résultats rapportés dans ce mémoire contribueront non seulement à l’avancement de la physique des décharges dans les liquides, mais aussi au développement / optimisation des applications dans des différents domaines technologiques., Spark discharges are transient electric discharges with a short lifetime. Compared to its initiation in a gaseous medium, the initiation of this type of discharges in a dielectric liquid induces new physico-chemical phenomena in the plasma and at the plasma-liquid and plasma-electrode interfaces. For about twenty years, scientific research has been exploiting the properties of these discharges for various applications: liquid depollution, nanoparticle synthesis, electro-erosion machining, etc. In this context, this thesis aims to provide a better understanding of the physics of Sparks discharges in dielectric liquids. Discharges in liquids are characterized by a strong stochastic behavior. Statistical studies of a large number of discharges on the electrical characteristics have been performed as a function of different parameters. These parameters are the inter-electrode distance, the nature of the electrodes and the polarity of the applied voltage. The acquisition of the current-voltage curves of each discharge allows to determine its electrical properties, i.e. the breakdown voltage, the discharge current, the breakdown delay, the injected charge, the breakdown probability, etc. The influence of an external magnetic field, in particular its orientation relative to the axis of the electrodes, on the characteristics of the discharge was then explored. The study of the plasma-electrode interactions as a function of the magnetic field orientation was performed by analyzing images of the dispersion of the impacts created by the discharges on the counter-electrode and the erosion of the tip. Furthermore, we have shown that the nature of the electrode material, in particular its magnetic properties, greatly influences the rate of electrode erosion. The results reported in this thesis will contribute not only to the advancement of the physics of discharges in liquids, but also to the development / optimization of applications in different technological fields.

Li-ion batteries’ performances decay over their lifetime depending on their usage: their ability to store energy and deliver power decreases until they are unable to provide services they have been designed for. Different degradation mechanisms have been identified and their dependencies on usage parameters (such as current, temperature, etc) or manufacturing characteristics (electrode chemistries and structures, coatings, etc) have been studied extensively. Although the significant number of aging stress factors and their interactions makes the estimation of the evolution of the cells performances a complex process, it is important, for example in order to size battery packs or to predict maintenance needs, to be able to forecast the aging.Today, predictions are often realized by using aging models calibrated on multiple tests where the degradation of the battery is studied in different conditions (calendar, cycling, mixed, etc). In order to forecast the state of health (SOH) of the battery accurately, it is necessary to perform several different tests coupling multiple degradation factors on long periods. The goal of the thesis is to propose ways to reduce the number and the duration of these experiments.In order to achieve this, we propose a three steps methodology: first, we developed a semi-empirical aging model, based on the reduction of electrochemical laws using a limited number of parameters. Then, using a genetic algorithm, we select the testing conditions, which will be best suited to forecast the intended use of the system. Finally, a Monte-Carlo method gives an estimation of the uncertainty around the prediction and a way to correct the simulation online.; Au fil de leur utilisation, les performances des batteries lithium-ion se dégradent : elles stockent moins d’énergies et sont capables de délivrer moins de puissances. Leur vieillissement est lié à divers mécanismes, dépendant de nombreux paramètres d’utilisation (le courant, la température, etc) ainsi que de caractéristiques de fabrication (la structure des électrodes, les électrolytes, les coatings, etc). La multiplicité des facteurs influents sur le vieillissement rend complexe l’estimation a priori de l’évolution des performances des cellules. Or il est important, pour des questions de dimensionnement ou de maintenance, d’être capable d’anticiper ce vieillissement.Aujourd’hui, les prévisions sont souvent réalisées à partir de modèles calibrés sur des essais au cours desquels on étudie les dégradations de cellules en multipliant les conditions (calendaire, cyclage, etc). Afin d’obtenir des prédictions fiables, il est souvent nécessaire de réaliser beaucoup d’essais couplant plusieurs facteurs de vieillissement sur de longues périodes. L’objectif de la thèse est de réduire le nombre et la durée des essais nécessaires à ces prédictions.Pour remplir cet objectif, nous proposons une méthode en trois étapes : premièrement le développement d’un modèle empirique de vieillissement, basé sur une réduction des équations d’électrochimie avec un nombre limité de paramètres. Ensuite, à partir d’un algorithme génétique et d’une analyse des profils d’utilisation, nous sélectionnons les essais qui donneront le plus d’informations pour les conditions d’utilisations prévues. Enfin, par une méthode de Monte-Carlo, nous estimons les incertitudes autour de la prédiction et nous proposons un moyen de recaler les résultats du modèle.

Since the invention of the first photon counting sensors, several technological breakthroughs have been made in the field of photon counting imaging systems, notably with the invention of single photon avalanche diode (SPAD). Even though SPAD sensors became a key technology, the direct time-of-flight (D-ToF) SPAD sensor is not really interesting for the 3D imaging application due to its low spatial resolution and high noise level in outdoor operating conditions. These limitations are mainly based on the format of the raw SPAD data being in the form of time correlated single photon counts (TCSPC). Therefore, two research axes have been pursued in this thesis in order to rethink the format of the raw SPAD data. The first axis consists in developing alternative acquisition and reconstruction methods based on variational Bayesian approaches, with the aim of extracting only latent information from the statistical model of TCSPC data. While the second axis focuses on the compressive sensing (CS) domain in combination with custom regression methods or deep learning algorithms for reconstruction.; Depuis l'invention des premiers capteurs de comptage de photons, plusieurs avancées technologiques ont été réalisées dans le domaine des systèmes d'imagerie à comptage de photons notamment avec l'invention des capteurs à avalanche à photon unique (SPAD pour single photon avalanche diode). Bien que le SPAD soit devenu une technologie de pointe pour beaucoup d'utilisation, dans le cadre applicatif spécifique de l'imagerie 3D, l'attractivité du capteur SPAD à temps de vol direct (D-ToF pour direct time-of-flight) est moindre de part sa faible résolution spatiale et son niveau de bruit élevé dans des conditions de fonctionnement extérieures. Un des leviers pour pallier ces limitations serait de résoudre le problème lié au format des données brut du capteur SPAD qui sont sous la forme de comptage de photon corrélé dans le temps (TCSPC pour Time Correlated Single Photon Counting). Deux grands axes de recherches ont été approfondis dans ce sens. Un premier axe porte sur le développement de méthodes d'acquisitions et de reconstructions alternatives basées sur des approches Bayésiennes variationnelles, dans le but de n'extraire que les informations latentes du modèle statistique des données TCSPC. Tandis que le second axe porte sur le domaine de l'acquisition comprimée (CS pour compressive sensing) combinée à des méthodes de régression personnalisée ou à des algorithmes d'apprentissage profond pour la reconstruction.

National audience; Nous étudions les propriétés statistiques des plongements dans les modèles transformers pour le français. Nous nous appuyons sur une analyse de la variance, des similarités cosinus intra-phrase et du rang effectif des plongements aux différents niveaux d’un transformer, pour des modèles pré-entraînés et des modèles adaptés à la classification de textes. Nous montrons que les modèles FlauBERT et CamemBERT pré-entraînés ont des comportements très différents même si les deux ont une tendance à générer des représentations anisotropiques, c’est-à-dire se concentrant dans un cône au sein de l’espace des plongements, comme observé pour l’anglais. L’adaptation à la classification de textes modifie le comportement des modèles, notamment dans les dernières couches, et procure une tendance forte à l’alignement des plongements, réduisant également la dimension effective de l’espace au final. Nous mettons également en évidence un lien entre convergence des plongements au sein d’une phrase et classification de texte, lien dont la nature reste difficile à appréhender.

Certains auteurs ont avancé que le premier confinement de 2020 avait profondément remis en cause nos manières d’appréhender le temps. Cette affirmation est ici discutée à partir de l’étude empirique des variations d’une dimension des rapports au temps – le sentiment de manquer de temps – avant la crise sanitaire, pendant le premier confinement (qui fut particulièrement strict), et pendant le second confinement (qui fut moins restrictif). L’analyse statistique de données de quatre enquêtes en population générale met en évidence une atténuation d’ensemble du sentiment de manquer de temps pendant le premier confinement, puis un retour partiel à la normale pendant le second confinement. La complainte du manque de temps n’a donc connu qu’une éclipse de deux mois avant de reprendre une place plus centrale dans le quotidien des Français. La rémanence des rapports au temps se manifeste également dans la remarquable stabilité de la polarisation sociale du sentiment de manque de temps, qui concerne, aussi bien en confinement qu’en temps « normal », davantage les classes supérieures, les âges médians et les femmes. Ces résultats prennent sens dans une approche sociologique des rapports au temps, saisis comme une des composantes premières du rapport au monde des individus, ancrée dans des rapports sociaux, notamment de classe et de genre. At the aftermath of the first national lock down in France, it has been argued that our attitudes towards time have undergone profound changes. This thesis is discussed based on an empirical study of the variations of the feeling of running out of time in three periods: before the COVID-19 crisis, during the first lock down (which was particularly strict), and during the second lock down (which was less restrictive). Statistical analysis of data from four large-scale surveys shows a general decline of time-squeeze feelings during the first lock down, followed by a partial return to normal during the second lock down. The feeling of running out of time therefore had a two-month eclipse before regaining a central place in the daily life. The persistence of attitudes towards time is also manifested in the remarkable stability of the social polarization of the time-squeeze feeling, which primarily concerns, both in lock down and in “normal” times, the upper classes, the middle-aged and women. These results take on meaning in a sociological approach to attitudes towards time, conceived as one of the primary components of individuals’ relationship to the world that is anchored in class and gender relationships. Algunos autores han afirmado que el primer confinamiento del 2020 cuestionó profundamente nuestras formas de asir el tiempo. Discutimos aquí esta afirmación a partir del estudio empírico de las variaciones de una dimensión concerniente la relación al tiempo: la sensación de falta de tiempo, antes de la crisis sanitaria, durante el primer confinamiento (especialmente estricto) y durante el segundo (que lo fue menos). El análisis estadístico de los datos de cuatro encuestas de población general francesa muestra una reducción frecuente de la sensación de falta de tiempo durante el primer confinamiento, y durante el segundo, una vuelta parcial a la normalidad. El hecho de lamentar la falta de tiempo solo se eclipsó durante dos meses, para recuperar luego un lugar más importante en la vida cotidiana de los franceses. La persistencia de las relaciones con el tiempo se manifiesta también en la notable estabilidad de la polarización social del sentimiento de falta de tiempo, que atañe, tanto en cuarentena como en tiempos “normales”, más a las clases altas, a la edad media y a las mujeres. Estos resultados cobran sentido desde una perspectiva sociológica de las relaciones temporales, entendidas como componente primario de la relación de los individuos con el mundo, arraigadas a las relaciones sociales, en particular de clase y género.

Recent innovations in mathematics, computer science, and engineering have enabled more and more sophisticated numerical simulations. However, some simulations remain computationally unaffordable, even for the most powerful supercomputers. Lately, machine learning has proven its ability to improve the state-of-the-art in many fields, notoriously computer vision, language understanding, or robotics. This thesis settles in the high-stakes emerging field of Scientific Machine Learning which studies the application of machine learning to scientific computing. More specifically, we consider the use of deep learning to accelerate numerical simulations.We focus on approximating some components of Partial Differential Equation (PDE) based simulation software by a neural network. This idea boils down to constructing a data set, selecting and training a neural network, and embedding it into the original code, resulting in a hybrid numerical simulation. Although this approach may seem trivial at first glance, the context of numerical simulations comes with several challenges. Since we aim at accelerating codes, the first challenge is to find a trade-off between neural networks’ accuracy and execution time. The second challenge stems from the data-driven process of the training, and more specifically, its lack of mathematical guarantees. Hence, we have to ensure that the hybrid simulation software still yields reliable predictions. To tackle these challenges, we thoroughly study each step of the deep learning methodology while considering the aforementioned constraints. By doing so, we emphasize interplays between numerical simulations and machine learning that can benefit each of these fields.We identify the main steps of the deep learning methodology as the construction of the training data set, the choice of the hyperparameters of the neural network, and its training. For the first step, we leverage the ability to sample training data with the original software to characterize a more efficient training distribution based on the local variation of the function to approximate. We generalize this approach to general machine learning problems by deriving a data weighting methodology called Variance Based Sample Weighting. For the second step, we introduce the use of sensitivity analysis, an approach widely used in scientific computing, to tackle neural network hyperparameter optimization. This approach is based on qualitatively assessing the effect of hyperparameters on the performances of a neural network using Hilbert-Schmidt Independence Criterion. We adapt it to the hyperparameter optimization context and build an interpretable methodology that yields competitive and cost-effective networks. For the third step, we formally define an analogy between the stochastic resolution of PDEs and the optimization process at play when training a neural network. This analogy leads to a PDE-based framework for training neural networks that opens up many possibilities for improving existing optimization algorithms. Finally, we apply these contributions to a computational fluid dynamics simulation coupled with a multi-species chemical equilibrium code. We demonstrate that we can achieve a time factor acceleration of 21 with controlled to no degradation from the initial prediction.; Cette thèse s’inscrit dans le domaine émergent de l’apprentissage automatique scientifique, qui étudie l’application de l’apprentissage automatique au calcul scientifique. Plus précisément, nous nous intéressons à l’utilisation de l’apprentissage profond pour accélérer des simulations numériques.Pour atteindre cet objectif, nous nous concentrons sur l’approximation de certaines parties des logiciels de simulation basés sur des Equations Différentielles Partielles (EDP) par un réseau de neurones. La méthodologie proposée s'appuie sur la construction d’un ensemble de données, la sélection et l'entraînement d’un réseau de neurones et son intégration dans le logiciel original, donnant lieu à une simulation numérique hybride. Malgré la simplicité apparente de cette approche, le contexte des simulations numériques implique des difficultés spécifiques. Puisque nous visons à accélérer des simulations, le premier enjeu est de trouver un compromis entre la précision des réseaux de neurones et leur temps d’exécution. En effet, l’amélioration de la première implique souvent la dégradation du second. L’absence de garantie mathématique sur le contrôle de la précision numérique souhaitée inhérent à la conception du réseau de neurones par apprentissage statistique constitue le second enjeu. Ainsi nous souhaiterions maitriser la fiabilité des prédictions issues de notre logiciel de simulation hybride. Afin de satisfaire ces enjeux, nous étudions en détail chaque étape de la méthodologie d’apprentissage profond. Ce faisant, nous mettons en évidence certaines similitudes entre l'apprentissage automatique et la simulation numérique, nous permettant de présenter des contributions ayant un impact sur chacun de ces domaines.Nous identifions les principales étapes de la méthodologie d’apprentissage profond comme étant la constitution d’un ensemble de données d’entraînement, le choix des hyperparamètres d’un réseau de neurones et son entraînement. Pour la première étape, nous tirons parti de la possibilité d’échantillonner les données d’entraînement à l'aide du logiciel de simulation initial pour caractériser une distribution d’entraînement plus efficace basée sur la variation locale de la fonction à approcher. Nous généralisons cette observation pour permettre son application à des problèmes variés d’apprentissage automatique en construisant une méthodologie de pondération des données appelée ”Variance Based Sample Weighting”. Dans un deuxième temps, nous proposons l’usage de l’analyse de sensibilité, une approche largement utilisée en calcul scientifique, pour l’optimisation des hyperparamètres des réseaux de neurones. Cette approche repose sur l’évaluation qualitative de l’effet des hyperparamètres sur les performances d’un réseau de neurones à l'aide du critère d'indépendance de Hilbert-Schmidt. Les adaptations au contexte de l’optimisation des hyperparamètres conduisent à une méthodologie interprétable permettant de construire des réseaux de neurones à la fois performants et précis. Pour la troisième étape, nous définissons formellement une analogie entre la résolution stochastique d’EDPs et le processus d’optimisation en jeu lors de l'entrainement d’un réseau de neurones. Cette analogie permet d’obtenir un cadre pour l’entraînement des réseaux de neurones basé sur la théorie des EDPs, qui ouvre de nombreuses possibilités d’améliorations pour les algorithmes d’optimisation existants. Enfin, nous appliquons ces méthodologies à une simulation numérique de dynamique des fluides couplée à un code d’équilibre chimique multi-espèces. Celles-ci nous permettent d’atteindre une accélération d’un facteur 21 avec une dégradation de la précision contrôlée ou nulle par rapport à la p rédiction initiale.

Autonomous cars are complex applications that need powerful hardware machines to be able to function properly. Tasks such as staying between the white lines, reading signs, or avoiding obstacles are solved by using convolutional neural networks (CNNs) to classify or detect objects. It is highly important that all the networks work in parallel in order to transmit all the necessary information and take a common decision. Nowadays, as the networks improve, they also have become bigger and more computational expensive. Deploying even one network becomes challenging. Compressing the networks can solve this issue. Therefore, the first objective of this thesis is to find deep compression methods in order to cope with the memory and computational power limitations present on embedded systems. The compression methods need to be adapted to a specific processor, Kalray's MPPA, for short term implementations. Our contributions mainly focus on compressing the network post-training for storage purposes, which means compressing the parameters of the network without retraining or changing the original architecture and the type of the computations. In the context of our work, we decided to focus on quantization. Our first contribution consists in comparing the performances of uniform quantization and non-uniform quantization, in order to identify which of the two has a better rate-distortion trade-off and could be quickly supported in the company. The company's interest is also directed towards finding new innovative methods for future MPPA generations. Therefore, our second contribution focuses on comparing standard floating-point representations (FP32, FP16) to recently proposed alternative arithmetical representations such as BFloat16, msfp8, Posit8. The results of this analysis were in favor for Posit8. This motivated the company Kalray to conceive a decompressor from FP16 to Posit8. Finally, since many compression methods already exist, we decided to move to an adjacent topic which aims to quantify theoretically the effects of quantization error on the network's accuracy. This is the second objective of the thesis. We notice that well-known distortion measures are not adapted to predict accuracy degradation in the case of inference for compressed neural networks. We define a new distortion measure with a closed form which looks like a signal-to-noise ratio. A set of experiments were done using simulated data and small networks, which show the potential of this distortion measure., Les voitures autonomes sont des applications complexes qui nécessitent des machines puissantes pour pouvoir fonctionner correctement. Des tâches telles que rester entre les lignes blanches, lire les panneaux ou éviter les obstacles sont résolues en utilisant plusieurs réseaux neuronaux convolutifs (CNN) pour classer ou détecter les objets. Il est très important que tous les réseaux fonctionnent en parallèle afin de transmettre toutes les informations nécessaires et de prendre une décision commune. Aujourd'hui, à force de s'améliorer, les réseaux sont devenus plus gros et plus coûteux en termes de calcul. Le déploiement d'un seul réseau devient un défi. La compression des réseaux peut résoudre ce problème. Par conséquent, le premier objectif de cette thèse est de trouver des méthodes de compression profonde afin de faire face aux limitations de mémoire et de puissance de calcul présentes sur les systèmes embarqués. Les méthodes de compression doivent être adaptées à un processeur spécifique, le MPPA de Kalray, pour des implémentations à court terme. Nos contributions se concentrent principalement sur la compression du réseau après l'entraînement pour le stockage, ce qui signifie compresser des paramètres du réseau sans réentraîner ou changer l'architecture originale et le type de calculs. Dans le contexte de notre travail, nous avons décidé de nous concentrer sur la quantification. Notre première contribution consiste à comparer les performances de la quantification uniforme et de la quantification non-uniforme, afin d'identifier laquelle des deux présente un meilleur compromis taux-distorsion et pourrait être rapidement prise en charge par l'entreprise. L'intérêt de l'entreprise est également orienté vers la recherche de nouvelles méthodes innovantes pour les futures générations de MPPA. Par conséquent, notre deuxième contribution se concentre sur la comparaison des représentations en virgule flottante (FP32, FP16) aux représentations arithmétiques alternatives telles que BFloat16, msfp8, Posit8. Les résultats de cette analyse étaient en faveur de Posit8. Ceci a motivé la société Kalray à concevoir un décompresseur de FP16 vers Posit8. Enfin, de nombreuses méthodes de compression existent déjà, nous avons décidé de passer à un sujet adjacent qui vise à quantifier théoriquement les effets de l'erreur de quantification sur la précision du réseau. Il s'agit du deuxième objectif de la thèse. Nous remarquons que les mesures de distorsion bien connues ne sont pas adaptées pour prédire la dégradation de la précision dans le cas de l'inférence pour les réseaux de neurones compressés. Nous définissons une nouvelle mesure de distorsion avec une expression analytique qui s’apparente à un rapport signal/bruit. Un ensemble d'expériences a été réalisé en utilisant des données simulées et de petits réseaux qui montrent le potentiel de cette mesure de distorsion.

Dans notre recherche, nous visons à expliquer comment nous constituons un corpus électronique et comment nous devrions le traiter pour l’exploiter avec des logiciels de lecture. Nos objectifs sont de présenter la méthodologie utilisée pour obtenir un corpus électronique à partir de textes imprimés, ainsi que quelques possibilités d'édition et de formatage des données pour les mettre sous la forme acceptée par les paramètres de fonctionnement des logiciels. Nous expliquerons le fonctionnement des programmes d’analyse de données textuelles IRaMuTeQ, Lucon et Cordial Pro, afin de présenter les types d’analyses possibles, étant donné que les outils statistiques, utilisés judicieusement, peuvent soutenir les efforts du chercheur pour mieux observer les propriétés linguistiquesdu corpus soumis à l’analyse.Nous considérons que l’analyse statistique de notre corpus de guides touristiques offre un champ important pour aborder les différentes classes grammaticales liées à la spécificité générale du genre discursif du guide touristique. Par exemple, la réalisation d’une analyse comparative des guides à travers la distribution du nom nous permet d’identifier les champs thématiques conceptuels les plus pertinents, sur lesquels est basée la construction linguistique du référent - la Roumanie.Nous pensons que l’utilisation d’outils informatiques nous permet de donner plus de visibilité aux résultats quantitatifs, valables et pertinents, pour les insérer dans la démarche qualitative. Il convient de noter que les logiciels, qui assistent le travail du chercheur avec des analyses automatiques et des calculs statistiques, ont acquis une notoriété importante dans la recherche linguistique actuelle, en général. Cependant, les choix méthodologiques et l’interprétation des résultats appartiennent au chercheur., În lucrarea noastră, ne propunem să abordăm modul în care constituim un corpus electronic și cum trebuie să-l prelucrăm în vederea exploatării cu programe de lectură. Obiectivele noastre sunt acelea de a prezenta metodologia utilizată pentru obținerea unui corpus electronic plecând de la texte imprimate, precum și unele posibilități de editare și formatare a datelor pentru a le aduce în forma acceptată de parametrii de funcționare a programelor. Vom expune funcționarea programelor de analiză de date textuale IRaMuTeQ, Lucon și Cordial Pro, cu scopul de a prezenta tipurile de analize posibile, având în vedere că, instrumentele statistice, utilizate în mod judicios, pot susține demersurile cercetătorului, pentru a observa mai bine proprietățile lingvistice ale corpusului supus analizei.Considerăm că analiza statistică a corpusului nostru de ghiduri turistice oferă un teren important pentru abordarea diferitelor clase gramaticale care țin de specificitatea generală a genului discursiv al ghidului turistic. De exemplu, realizarea unei analize comparative a ghidurilor prin intermediul distribuției substantivului ne permite să identificăm câmpurile tematice conceptuale cele mai relevante, pe care se bazează construirea din punct de vedere lingvistic a referentului – România.Credem că utilizarea instrumentelor informatice ne permite să dăm mai multă vizibilitate rezultatelor cantitative, valabile și pertinente, pentru a le insera în abordarea calitativă. Trebuie să remarcăm că, programele informatice, care asistă munca cercetătorului cu analize automate și calcule statistice, au câștigat notorietate în cercetările lingvistice actuale, în general, însă, alegerile metodologice și interpretarea rezultatelor aparțin cercetătorului.

Ce mémoire est la conclusion d'une maîtrise en double diplomation internationale entre l'université Toulouse 3 Paul Sabatier en France et l'université de Montréal au Canada. Le but de cette collaboration est la meilleure compréhension des décharges Sparks dans les liquides diélectriques, ainsi que des phénomènes qui y sont liés. La première partie du projet de recherche, effectuée à Toulouse au laboratoire LAPLACE, s'est concentrée sur l’influence du matériau des électrodes sur le comportement de la décharge, en particulier les caractéristiques courant-tension et la dynamique de la bulle de cavitation via imagerie rapide. Cette partie de travail est incluse dans ce mémoire sous forme d’une Annexe, et nous focalisons l’attention du lecteur uniquement sur les travaux réalisés dans la deuxième partie. En effet, en utilisant une source impulsionnelle de tension, nous avons étudié l’évolution statistique des caractéristiques électriques des décharges Sparks dans différents liquides diélectriques et sous différentes conditions expérimentales, qu'elles soient électriques, géométriques, ou bien liées aux matériaux utilisés. Après une préparation minutieuse des conditions d’une expérience donnée, les impulsions de haute tension ont été appliquées et les caractéristiques des décharges ont été enregistrées. Les enregistrements des caractéristiques électriques, dès la première dé- charge jusqu’à un moment où il n’est plus possible d’avoir des décharges, ont été analysés à l’aide d’un algorithme afin de remonter aux propriétés de chaque décharge, soient la probabilité que la décharge ait eu lieu, la tension de claquage, le courant de décharge, la charge injectée, l’énergie injectée, etc. L’évolution temporelle de ces paramètres ont révélé certaines informations extrê- mement utiles pour les considérer dans les procédés qui utilisent les décharges Sparks dans les liquides à haute répétition, en particulier dans la synthèse de nanomatériaux., This thesis is the conclusion of a master's degree in an international double graduation between Université Toulouse Paul Sabatier in France and Université de Montréal in Canada. The aim of this collaboration is to better understand the operation of Spark discharges in dielectric liquids, as well as other phenomena linked to it. The first part of this research project, conducted at Toulouse, LAPLACE laboratory, was focused on the influence of the electrode material on the discharge behaviour, in particular the current and voltage waveform and the dynamic of a cavitation bubble monitored with fast imaging technique. This part of the work is included in the thesis as an Annex to focus the reader’s attention only on the work realized in Montréal. Indeed, using a high voltage pulser, we studied the statistical evolution of the electrical characteristics of Sparks discharges in different dielectric liquids and under various experimental conditions, whether they are electrical, geometrical, or related to the material of utilized electrode. After a fine preparation of the conditions for one experience, the high voltage pulses were applied, and discharges were occurred. The acquisition of the discharge electrical characteristics, from the first one to the last one, were analyzed using a home-made algorithm to access the properties of every discharge, i.e. the probability of discharge occurrence, the breakdown voltage, the discharge current, the injected charge, the injected energy, etc. The temporal evolution of those parameters revealed some extremely useful trends to be considered in the processes utilizing in-liquid Spark discharges at high repetition rate, such as in nanomaterial synthesis.

International audience; Initiated in 2003 by the French Ministry of Ecological Transition in the context of the “Robien” rental investment scheme, the A/B/C zoning carried out on a national scale makes it possible to categorise territories according to the real estate market tension. While this single indicator highlights the tensest areas, it remains incomplete about the so-called “zones détendues” (C zones). Indeed, by assimilating them to a uniform void that seems to be devoid of all activities, this mapping does not consider the diversity of forms and functions of these territories most of them are located outside the city cores and which often remain depreciated. The aim of this article is to understand the existing dynamics by developing a typology of “zones détendues” through the prism of territorial attractiveness by using a hierarchical ascending classification.; Initié en 2003 par le Ministère de la Transition écologique français dans le cadre du dispositif d’investissement locatif « Robien », le zonage A/B/C réalisé à l’échelle nationale permet de catégoriser les communes en fonction de la tension du marché de l’immobilier. Si cet indicateur unique met en lumière les zones les plus tendues du territoire, il reste lacunaire en ce qui concerne les zones C dites « détendues ». En effet, en les assimilant à un « reste du territoire » uniforme qui semble vidé de toutes activités, cette cartographie ne rend pas compte de la diversité des formes et des fonctions de ces territoires situés en dehors des grands centres urbains et qui restent souvent dépréciés. L’objectif de cet article est de mettre en lumière les dynamiques territoriales des zones détendues en élaborant une typologie de ces territoires à travers le prisme de l’attractivité territoriale à l’aide d’une classification ascendante hiérarchique.

Excluding outlier plants (biological replicates deviating from the expected distribution on a multi-criteria basis) from phenotypic datasets is necessary to avoid false-positive associations between genome markers and traits., Based on case studies, we discuss the extent to which genome-wide association studies (GWAS) are affected by outlier plants, i.e. those deviating from the expected distribution on a multi-criteria basis. Using a raw dataset consisting of daily measurements of leaf area, biomass, and plant height for thousands of plants, we tested three different cleaning methods for their effects on genetic analyses. No-cleaning resulted in the highest number of dubious quantitative trait loci, especially at loci with highly unbalanced allelic frequencies. A trade-off was identified between the risk of false-positives (with no-cleaning and/or a low threshold for minor allele frequency) and the risk of missing interesting rare alleles. Cleaning can lower the risk of the latter by making it possible to choose a higher threshold in GWAS.

Au cours des dernières décennies, l’évolution de la mobilité résidentielle, des structures familiales, des études et des parcours professionnels, ainsi que l’importance de l’interdépendance entre ces différentes sphères de la vie, a suscité un intérêt croissant pour les trajectoires biographiques. Progressivement, l’analyse des parcours de vie (life course analysis) est devenue une perspective majeure des sciences sociales. Le développement de cette perspective est lié simultanément à des questions théoriques et aux progrès des techniques de collecte et d’analyse statistique des données longitudinales.L’un des principaux attraits de l’analyse des biographies tient à la manière dont le déroulement des événements au cours du temps est ressenti par les individus : « En combien de temps puis-je espérer trouver du travail ? Quel serait l’effet d’une année d’étude supplémentaire ? »… On retrouve cette homologie avec les modèles de régression en général mais l’analyse biographique présente l’avantage d’intégrer le temps de manière réaliste.L’analyse biographique se concentre sur les événements. Pourtant, l’ambition des recherches sur les parcours de vie est aussi d’appréhender les trajectoires dans leur ensemble. Dans la pratique, une grande partie des travaux empiriques sur les parcours de vie en sciences sociales sont basés sur des méthodes centrées sur les transitions. Il est cependant possible d’adopter une autre approche, offrant la possibilité d’étudier les parcours de vie en tant qu’unité d’analyse, comme un tout.Ce manuel pratique se penche sur la méthode la plus répandue qui est celle la construction de typologies de trajectoires. Il présente les choix successifs qu’elle nécessite, du codage des données au choix final du nombre de classes de la typologie et passe en revue les méthodes de mesure de la similarité entre trajectoires, qui constitue une étape cruciale pour obtenir une typologie. Un exemple vient enfin compléter la présentation avec une application à des trajectoires d’emploi. Un tutoriel complète l’ouvrage.