Les systèmes IoT destinés à la surveillance environnementale reposent souvent sur une transmission continue des données, ce qui est coûteux, peu flexible et énergivore, ce qui pose un défi dans les environnements aux ressources limitées. Cette thèse présente des expériences menées avec des nœuds IoT extrêmes équipés de plusieurs capteurs, démontrant d'abord la surveillance et le traitement des données sur un seul nœud, puis s'étendant à plusieurs nœuds, pour une collecte adaptative et distribuée. Les résultats montrent que la frugalité conduit à une collecte de données plus efficace et que le comportement au niveau des nœuds influence fortement la consommation d'énergie. Afin de mieux comprendre l'utilisation de l'énergie, des mesures empiriques ont été effectuées, qui révèlent que les opérations de mémoire sont un facteur important, souvent négligé, et que des volumes plus importants et des accès fréquents augmentent encore la consommation. Sur la base de ces observations, un modèle énergétique étendu intégrant la mémoire est présenté, et un mécanisme logiciel est introduit pour réduire le volume de données, ce qui se traduit par des économies d'énergie confirmées par simulation. Dans une perspective d'avenir, cette thèse propose de combiner la détection locale et le partage de données, tout en redistribuant dynamiquement les responsabilités entre les nœuds, pour une surveillance plus frugale, autonome et évolutive.

Cette thèse étudie comment les contraintes de durabilité transforment l’économie, les stratégies concurrentielles et les mécanismes opérationnels de la livraison vidéo multi-CDN. Elle développe des modèles fondés sur la théorie des jeux pour caractériser le comportement stratégique des CDNs, des fournisseurs de services et des régulateurs soumis à des politiques environnementales telles que la tarification carbone. Ces modèles quantifient l’impact de ces instruments sur les prix, les choix énergétiques et les investissements dans des infrastructures plus vertes, identifiant les conditions où des équilibres durables apparaissent ou nécessitent une intervention ciblée. Au-delà de cette analyse, la thèse propose des extensions protocolaires visant à améliorer l’adaptabilité, la résilience et la sensibilité énergétique des architectures multi-CDN. Elle introduit des primitives de négociation inter-CDN, une logique de bascule tenant compte du playhead et du buffer, une réaffectation dynamique des utilisateurs vers les serveurs de bordure, ainsi qu’une sélection sémantique des débits, intégrant en temps réel des attributs liés à la durabilité. Dans l’ensemble, ces contributions offrent une perspective rigoureuse sur les conditions d’une distribution vidéo durable et réellement opérationnelle à grande échelle.

La déshydrocouplage (DHC) entre un hydrosilane et un alcyne terminal est une réaction au cours de laquelle la liaison Si–H de l’hydrosilane réagit avec la liaison C(sp)–H de l’alcyne terminal pour former une liaison Si–C(sp). Au cours de ce processus, du dihydrogène (H₂ ) est libéré comme sous-produit. Cette thèse décrit nos travaux sur l’optimisation des substrats et des catalyseurs ainsi que sur les études mécanistiques visant à obtenir de manière sélective des alkynylsilanes moléculaires et des poly(alkynylsilane)s macromoléculaires en utilisant des catalyseurs à base de métaux des groupes 2 et 12. Nous avons constaté que, parmi différents catalyseurs alcalino-terreux, Ba{N(SiMe₃)₂}₂(thf) ₂ est le plus actif; la pyridine, utilisée comme solvant, joue un rôle déterminant. Cependant, le système Zn(OTf)₂–pyridine s’est révélé plus stable et plus sélectif, en particulier pour les substrats difonctionnels. Ce système catalytique nous a permis de préparer des oligo(alkynylsilane)s bien définis, et nous avons montré comment le choix du monomère difonctionnel influence la sélectivité de la réaction. Des premières études photophysiques ont montré que les oligomères produits possèdent une absorption UV–Vis modulable. Dans l’ensemble, ce travail fournit des méthodes pratiques pour réaliser ces réactions DHC et apporte des pistes pour la conception de matériaux fonctionnels à base de silanes.

Le Cuivre-Zinc-Étain-Sulfure (CZTS) de structure kestérite s’impose comme un matériau prometteur, abondant et respectueux de l’environnement pour les cellules solaires à couches minces. Cependant, son développement reste limité par un important déficit de tension en circuit ouvert (VOC), résultant de l’interaction complexe entre les défauts de volume, la recombinaison interfaciale et les contraintes architecturales de l’appareil. Cette thèse propose une stratégie d’ingénierie pour surmonter ces défis. Plus précisément, le dopage au germanium (Ge) est utilisé pour passiver les défauts cationiques du volume ; un traitement thermique en atmosphère riche en oxygène est appliqué afin de réduire les pièges liés aux anions à l’interface ; et une couche tampon sans cadmium en nitrure de zinc-étain (ZnSnN₂) est développée pour optimiser l’alignement des bandes et assurer une architecture plus écologique. Ces approches ont conduit à des avancées notables, atteignant des rendements de conversion de puissance de 12,25 %, 11,51 % (certifié) et 10,0 % pour les cellules CZTS pur sulfure. Dans l’ensemble, ce travail démontre qu’une approche intégrée combinant l’ingénierie du volume, de l’interface et de l’appareil est essentielle pour surmonter les verrous intrinsèques de la technologie CZTS et favoriser son développement vers des applications solaires efficaces, durables et commercialement viables.

Le domaine de la compression audio, au cœur des applications de transmission et de stockage de la parole, musique et audio général, est bouleversé depuis quelques années par l'utilisation des réseaux de neurones artificiels. La nouvelle génération de codecs qui en découle, les codecs audio neuronaux, démontre des performances très prometteuses, en particulier par leur capacité à compresser à très bas débit. Dans cette thèse nous nous intéressons au potentiel des codecs audio neuronaux selon deux angles principaux. Le premier concerne la qualité audio permise par ces codecs et les moyens de la mesurer. Nous proposons des caractérisations étendues de la qualité des codecs neuronaux sur la parole ainsi que la musique et le contenu mixte parole/musique. Ces résultats issus de tests subjectifs sont également employés pour évaluer l'estimation de qualité proposée par les outils de mesure automatique que sont les métriques objectives. Le second axe de travail est dédié à l'analyse et la quantification de l'espace latent des codecs audio neuronaux. Une étude de l'espace latent appris par un codec neuronal nous permet d'optimiser l'étage de quantification du codec. Enfin, nous explorons l'utilisation de la quantification vectorielle sphérique par réseau de points dans le cadre du codage audio neuronal et montrons qu'il s'agit d'une alternative avantageuse d'un point de vue apprentissage, complexité calculatoire et stockage mémoire.

La pénurie d'eau, exacerbée par le changement climatique et la croissance démographique, accélère le déploiement du dessalement de l'eau de mer. Le dessalement par osmose inverse conventionnelle se heurte à deux limites critiques : (i) un prétraitement complexe et coûteux pour contrôler l'encrassement et l'instabilité de la filtration, et (ii) la transmission partielle de micro-polluants à travers une membrane d’osmose inverse, ce qui compromet la qualité de l'eau produite. Cette thèse aborde ces deux défis. Tout d'abord, des membranes céramiques à faible coût à base d’oxyde de graphène (GO) ont été développées pour le prétraitement de l’osmose inverse. La stabilité d'adhérence de la couche GO a été améliorée grâce à l'optimisation du greffage, tandis que le gonflement du GO a été atténué grâce à une réduction partielle du GO, une intercalation de TiO₂ et une réticulation par de la para-phénylènediamine. Les membranes obtenues ont démontré une perméabilité à l'eau élevée, un fort rejet des colorants modèles et des performances stables à long terme en filtration tangentielle, confirmant qu’elles sont des candidates robustes pour le prétraitement. Deuxièmement, l'applicabilité des cascades de membranes RO a été étudiée afin mieux retenir les micropolluants organiques et de renforcer les performances lorsque les membranes vieillissent. Les simulations réalisées à 55 bar avec des mélanges de NaCl (25-34 g.L⁻¹) et des polluants organiques modèles prédisent une amélioration significative de la qualité du perméat, même avec des membranes vieillies, en maintenant une qualité de l'eau conforme aux normes de l'OMS, au prix d'une augmentation de la surface membranaire et de la consommation d'énergie. Leur application pratique nécessitera une analyse multicritères afin de sélectionner le taux de renouvellement des membranes le plus approprié.

La pathologie numérique est devenue un outil puissant pour analyser la richesse des informations biologiques contenues dans les lames d'histologie numérisées. Au-delà d'être la référence en matière de diagnostic du cancer de la prostate, l'histologie peut fournir des informations utiles à la prédiction pour améliorer les soins et les traitements personnalisés. La numérisation des lames d'histologie en images entières (WSI, pour Whole-Slide Images) permet l'application de techniques avancées de vision par ordinateur et d'intelligence artificielle. Cette thèse applique des algorithmes d'intelligence artificielle aux WSI dans deux domaines cliniques distincts liés au cancer de la prostate. La première application se concentre sur la prédiction de mutations dans les gènes impliqués dans la réparation de recombinaison homologue (HRR) de l'ADN en utilisant des WSI. La seconde aborde la prédiction de la récidive biochimique (BCR) après radiothérapie en intégrant les WSI avec les images obtenues par Résonance Magnétique et les données cliniques. Les résultats de ce travail démontrent l'utilité potentielle de la pathologie numérique pour intégrer des informations utiles issues des images d'histologie en clinique, permettant ainsi des traitements plus ciblés et mieux personnalisés.

Dans cette thèse, nous présentons nos travaux sur la compression d’images sémantique. Notre objectif est de réduire drastiquement les débits de compression au-delà de ceux proposés par les approches classiques. Nous introduisons un nouveau cadre fondé sur des représentations sémantiques des images, déplaçant l’accent de la fidélité pixel vers la préservation du contenu de l’image. L’objectif devient alors de conserver la sémantique du contenu tout en reconstruisant des images réalistes. Nous abordons deux questions de recherche centrales : Comment construire une représentation sémantique compacte mais expressive d’une image ? et Comment concevoir un décodeur capable de reconstruire, à partir d’une telle représentation, des images réalistes et fidèles sémantiquement, même à des débits extrêmement faibles ? Au fil des chapitres de cette thèse, nous montrons que les modèles fondamentaux possèdent des espaces sémantiques riches, exploitables pour la compression. Nous adaptons ensuite le décodeur à ces représentations en tirant parti de la puissance des modèles de diffusion, proposant des techniques permettant de les guider efficacement sans nécessiter de réentraînement. Enfin, nous introduisons un schéma de compression à l’état de l’art qui atteint des taux extrêmement bas tout en préservant la fidélité sémantique, appuyé par une évaluation subjective.

Les interfaces cerveau–ordinateur (BCI) rendent possible des interactions en décodant l’activité cérébrale. Bien que les méthodes et le traitement du signal aient progressés, les BCI font encore face à des défis tels que le manque de généralisabilité dans les systèmes passifs et la forte variabilité dans les systèmes actifs. Les stimulations sensorielles offrent une voie prometteuse mais encore peu explorée pour répondre à ces enjeux. Cette thèse étudie comment les processus sensoriels peuvent être intégrés dans les BCI passives et actives, et comment la réalité virtuelle peut être utilisée pour cela. Nous examinons d’abord comment des stimulations auditives et tactiles en réalité virtuelle peuvent servir de marqueurs fiables de la présence, de l’attention et de la charge cognitive, améliorant ainsi le suivi des états mentaux. Nous étendons ensuite l’étude aux BCI actives, en explorant comment les sensations peuvent être mobilisées pour améliorer l’imagerie motrice, à travers les consignes, les tâches et les rétroactions. Dans les types de BCI, la réalité virtuelle a fourni des environnements permettant de manipuler les états mentaux, de délivrer des stimulations contrôlées et de concevoir des retours incarnés. Ensemble, nos résultats mettent en lumière le rôle central des sensations pour rendre les BCI plus robustes, adaptatives et centrées sur l’utilisateur.

L’épilepsie est une maladie neurologique fréquente et invalidante. Sa définition repose sur des critères électroencéphalographiques. L’électroencéphalographie (EEG) est donc un examen essentiel pour poser le diagnostic de la maladie. Parmi les multiples causes de l’épilepsie, nous avons choisi d'étudier les dysplasies corticales focales (FCD) et les accidents vasculaires cérébraux (AVC). Pour ce faire, nous avons simulé, via un modèle computationnel appelé eCOALIA, des EEG de participants sains, mais également de patients atteints d’une épilepsie due à une FCD ou AVC, en état de repos. Ces différentes simulations, dans des contextes physiologiques ou pathologiques, nous ont permis d'étudier, via le modèle, les modifications neurobiologiques en cause et leur localisation au sein du cortex cérébral. Pour que les simulations soient le plus proches possible des EEG réels des participants, nous avons également développé des méthodes de comparaison des EEG, via le calcul d'index de similarité. Enfin, nous avons automatisé une partie des simulations afin de permettre l’utilisation de ce modèle en pratique clinique à l’avenir. Ce travail porte sur la modélisation d’EEG proches d’EEG réels pour simuler des « jumeaux » virtuels, ce qui permet de personnaliser la compréhension de la maladie et la prise en charge de celle-ci à un niveau individuel.