Les récentes avancées de l'apprentissage profond ont mené à des résultats sans précédent dans une grande variété de tâches et de modalités. Un nombre grandissant de systèmes parvenant à des performances proches de l'humain en analyse (transcription, reconnaissance du locuteur) et en génération de la parole (conversion, synthèse vocale) sont proposés. De telles solutions émergent dans l'industrie, et commencent à atteindre le grand public. Cependant, la complexité et la taille grandissantes des réseaux de neurones induisent un manque important d'interprétabilité. De plus, les représentations profondes ne sont pas encouragées pour être structurées. C'est pourquoi l'apprentissage de représentations dites démêlées a fait son apparition, et a pour priorité la structuration des représentations apprises, en rapport avec les facteurs génératifs des données, et si possible alignées avec la perception humaine. Un tel paradigme a le potentiel pour reconnaître les attributs de la parole (identité du locuteur, émotion), pouvant alors être exploité dans la synthèse vocale. À noter que le démêlage est encore un domaine de recherche récent, nécessitant des données simples et synthétiques pour être développé. Ainsi, cette thèse vise à combler le fossé entre le traitement de la parole et le démêlage, en exploitant des modèles de démêlage à l'état de l'art pour identifier les attributs de la parole de manière automatique, et à terme améliorer le contrôle de la synthèse vocale.

Cette thèse de doctorat se concentre sur l’explication des anomalies, problématique qui a été beaucoup moins explorée dans la littérature que l’explication des sorties des réseaux de neurones et des classifieurs. Sa première contribution est une taxonomie des méthodes d’explication des anomalies basée sur la nature de l’information qu’elle véhicule. La deuxième contribution est une méthode spécifique d’explication des anomalies, appelée CADI et reposant sur une version revisitée de l’algorithme des forêts d’isolation. Alors qu’une forêt d’isolation classique n’identifie que les anomalies, CADI reconstruit également une partition des instances régulières, puis positionne et explique chaque anomalie par rapport à ces groupes de régularités, tout ceci sans s’appuyer sur des algorithmes externes et sans trop rajouter de complexité à la méthode originale. Elle s’attaque par conséquent à trois problèmes avec une méthode unifiée : la détection des anomalies, le partitionnement et l’explication des anomalies. Des expériences menées sur des jeux de données réels et synthétiques démontrent l’efficacité et la robustesse de l’approche par rapport aux approches dédiées à l’une de ces trois tâches.

Le chapitre 1 montre que le réseau des devises, au sens de la causalité conditionnelle de Granger, se distingue d'un réseau aléatoire ou d'un réseau de type « petit monde ». Il a tendance à avoir une structure modulaire, avec un comportement d'attachement préférentiel parmi les nœuds fortement connectés. La connectivité est dynamique, dépendante du risque et plus élevée dans les régimes à haut risque, en particulier pendant les quatre ans postérieurs à l’effondrement de Lehman Brothers. Concernant la connectivité des groupes, les devises du G11 ont des effets d'entraînement nets sur le reste. Au chapitre 2, nous affirmons que la connectivité avance-retard est importante car elle fournit des informations utiles aux décideurs concernés, publics ou privés. Au niveau macro, l’indice de connectivité “en largeur” se comporte comme un indicateur de risque systémique puisqu’il est cointégré avec le VIX, le Vstoxx et l’écart TED et qu’il entretient une relation de causalité de Granger avec plusieurs autres indicateurs économiques et financiers importants. Au niveau micro, la centralité des nœuds dans les réseaux des devises a un pouvoir prédictif sur les risques et les rendements des taux de change. Le chapitre 3 se concentre sur les débordements de risques extrêmes. Dans un cadre de régression quantile de type LASSO, les facteurs déterminants du risque extrême d’une monnaie sont principalement les dépassements de pertes ou de gains d’autres devises, et l’euro semble ici être le facteur le plus influent. Les débordements de risques extrêmes des devises a l'échelle du système sont aussi dynamiques mais asymétriques entre les marchés haussiers et baissiers. L’indice de débordement positif à l'extrémité inférieure pourrait refléter la contagion et le "fuite vers la sécurité" sur les marchés des changes, tandis que l’indice de débordements nets à l'extrémité supérieure pourrait servir d'indicateur d'alerte rapide du risque systémique.