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.

Les attaques microarchitecturales menacent l’isolation dans les environnements cloud, permettant à une VM malveillante ou au fournisseur cloud d’accéder à des données sensibles. Pour s'y prémunir, les développeurs recourent à des techniques de programmation "temps constant" et des mécanismes d'enclave comme Intel SGX, des approches demeurant imparfaites. Dans cette thèse, nous renforçons la sécurité microarchitecturale à travers trois contributions. Nous proposons d’abord une rétrospective des outils de détection de vulnérabilités par canal auxiliaire, avec une classification multi-critère. Nous concevons un benchmark commun permettant de les comparer correctement, et de les évaluer sur des vulnérabilités connues. Nous identifions alors des fonctionnalités manquantes et formulons des recommandations pour de futurs outils de détection. Nous étendons ce benchmark pour créer une approche de test différentiel, identifiant les vulnérabilités par canal auxiliaire introduites par la compilation. Nous analysons manuellement ces vulnérabilités afin d’identifier précisément les optimisations problématiques. Nos résultats montrent que la désactivation ciblée de celles-ci améliore significativement la résilience à ce type d'attaque, sans dégradation notable des performances. Enfin, nous étendons un outil d’exécution symbolique dédié aux binaires SGX afin de détecter les vulnérabilités Spectre. Notre approche est inspirée de travaux antérieurs mais adaptée au modèle mémoire spécifique utilisé. Elle permet d’améliorer significativement le passage l'échelle de l’analyse des enclaves SGX, rendant ainsi l’exploration de larges programmes réalisable en pratique.

Les systèmes dynamiques permettent de modéliser des phénomènes évoluant dans le temps selon certaines lois (par exemple physiques), mais n'admettent généralement pas de solution explicite. Ces systèmes peuvent tout de même être (partiellement) résolus lorsqu'ils admettent des intégrales premières, fonctions qui restent constantes pour toute solution du système. Plusieurs classes importantes d'intégrales premières sont construites en combinant suffisamment de polynômes, dits de Darboux. On peut alors montrer la non-existence de telles intégrales premières en énumérant exhaustivement tous ces polynômes, ce qu'on ne sait faire que jusqu'à une borne sur leur degré. Cette thèse présente des algorithmes qui génèrent des preuves qu'un système n'admet pas de polynômes de Darboux. Nous proposons ainsi une nouvelle preuve, entièrement automatisée, que l'oscillateur de Van der Pol ne possède pas de polynôme de Darboux. Notre approche n'est pas limitée par la dimension du système : nous montrons que le système physique de Shimizu-Morioka, de dimension 3, n'admet pas de polynômes de Darboux pour toute valuation de ses paramètres, répondant à une conjecture ouverte. Enfin, nous montrons comment accélérer les procédures existantes de génération de polynômes de Darboux de degré borné. On montre expérimentalement que notre stratégie réduit la dépendance au choix de l'ordre monomial utilisé et permet de générer des polynômes de plus haut degré pour des systèmes de dimension 3.

L'assistant de preuve Squirrel est dédié à la vérification de protocoles cryptographiques. Le modèle utilisé par ce prouveur est appelé modèle calculatoire. Il assure un haut niveau de garanties de sécurité, mais souffre d'un manque d'automatisation. Cette thèse propose d'utiliser des méthodes symboliques et de les adapter pour le modèle calculatoire de Squirrel. Tout d'abord, les protocoles dans Squirrel sont déclarés par des processus écrits dans une variante du pi-calcul appliqué. La sémantique de ces processus n'a pas été définie dans l'article initial présentant Squirrel. L'outil utilise à la place une représentation nommée systèmes d'actions, pour laquelle une sémantique bien définie existe. La première contribution de cette thèse est de définir cette sémantique et de fournir une traduction correcte du pi-calcul vers la représentation interne des protocoles de l'outil. Ensuite, pour automatiser les preuves écrites avec Squirrel, nous concevons un système de types pour les preuves de secret dans le modèle calculatoire. Nous prouvons la correction de ce système de types et l'implémentons dans l'outil, en supportant le chiffrement symétrique et asymétrique.

Cette thèse propose des approches avancées pour la gestion des ressources dans les réseaux 6G, en utilisant l’apprentissage par renforcement multi-agents. Face à la diversité des exigences de qualité de service (QoS) et à la complexité des environnements multi-domaines et multi-acteurs, une solution distribuée et optimisée est cruciale. Premièrement, un algorithme de placement multi-agents pour les fonctions réseau virtualisées (VNF) a été développé, optimisant la répartition des ressources à travers des domaines distincts tout en assurant une coordination efficace entre les agents. Deuxièmement, un algorithme innovant de scaling multi-domaines a été conçu, intégrant des prévisions de trafic et des mécanismes d’échange inter-domaines pour garantir une allocation dynamique et adaptée des ressources. Enfin, une solution globale prenant en compte le placement et le scaling a été proposée, mettant l’accent sur la réduction de la consommation énergétique dans un contexte distribué et multi-acteurs. Ces contributions ont été validées à travers une plateforme de simulation flexible et légère développée avec OMNeT++. Les résultats obtenus influencent directement les standards des réseaux 6G et ouvrent la voie à des innovations brevetables dans la gestion des ressources.

La réalité virtuelle (RV) offre des expériences immersives en sollicitant de multiples sens. Bien que loin de reproduire parfaitement le monde physique, la RV sociale suscite néanmoins des comportements qui reflètent les normes sociales du monde réel, même en l'absence d'indices clés tels que les expressions faciales ou un langage corporel précis. Parmi ces éléments manquants, le toucher social reste largement inexploré, la plupart des systèmes de RV n'offrant qu'un retour haptique limité ou simplifié. L'absence de toucher peut profondément altérer la perception que les utilisateurs ont d'eux-mêmes et des autres. Cette thèse étudie le rôle de l'haptique affectif sur les interactions sociales en RV. Nous examinons d'abord comment le retour haptique affectif influence la perception intrapersonnelle, modulant la façon dont les utilisateurs se perçoivent et se représentent en RV. Nous étendons ensuite cette recherche aux contextes interpersonnels, explorant comment le toucher virtuel peut moduler la perception sociale et favoriser les comportements prosociaux.

Cette thèse explore l’optimisation conjointe de l’intelligence artificielle embarquée et de la connectivité cellulaire pour les drones autonomes opérant en environnement réel. À l’intersection des réseaux 4G/5G, de l’IA de fondation (LLMs multimodaux) et de l’embarqué, elle propose des architectures hybrides alliant traitements locaux, edge et cloud, capables de s’adapter dynamiquement aux conditions réseau rencontrées en vol. Trois axes structurent ce travail. Le premier étudie les stratégies d’orchestration des modèles IA embarqués pour des tâches de perception visuelle, comparant architectures enchaînées et modèles composites. Le second propose une modélisation empirique de la connectivité cellulaire en vol, intégrant un score multi-opérateur embarquable permettant de prédire la qualité du lien. Le troisième axe évalue différents scénarios d’inférence (local, edge, cloud) dans un cas d’usage critique — la détection de départs de feu — en tenant compte des contraintes de latence, d’énergie, et de robustesse. Les résultats obtenus démontrent l’intérêt de coupler modélisation réseau et intelligence artificielle pour améliorer la résilience, la performance et l’autonomie des drones intelligents. La thèse met en lumière les compromis nécessaires entre précision, coût énergétique et stabilité du lien, et propose une approche de co-optimisation opérationnelle novatrice. Les contributions incluent plusieurs publications scientifiques et un brevet relatif à la gestion dynamique de la connectivité multi-opérateur.

Cette thèse étudie les attaques par portes dérobées sur les systèmes d’apprentissage profond, prenant la reconnaissance faciale comme exemple. Contrairement à une grande partie de la littérature, qui se concentre sur l'étude de réseaux de neurones profonds de classification isolés, ce travail évalue des pipelines réalistes dans leur globalité. La thèse débute par une revue de la littérature des attaques par portes dérobées, leurs défenses, et de la reconnaissance faciale, mettant en avant plusieurs angles morts. Cette thèse démontre alors des nouvelles attaques par portes dérobées sur des modèles présents dans l'industrie, contribuant à la compréhension holistique de ces menaces. Le résultat central de cette thèse est inquiétant : compromettre n'importe quel composant d'un pipeline suffit à le saboter, permettant un accès non autorisé dans un système biométrique. Ce travail propose alors plusieurs contremesures et recommandations pour se prémunir contre de futures attaques. En ancrant cette recherche dans un contexte de systèmes réalistes, cette thèse met en avant un problème de vulnérabilité qui affecte un large éventail d’applications qui vont au-delà de la reconnaissance faciale.

La classification du trafic réseau est un domaine de recherche qui stimule le développement de diverses applications dans le contexte de gestion des réseaux. De nombreuses études dans ce domaine ont porté sur la classification du trafic réseau en différentes activités uniques. Cependant, la multiplication des services et des appareils connectés sur internet a donné lieu à l’émergence de nouveaux modes de consommation, comme le multitâche numérique (ou multi-activités), qui consiste à effectuer plusieurs activités simultanément. Reconnaître l’occurrence de ces situations de multi-activité peut permettre aux opérateurs de réseaux de mieux adapter leurs solutions de gestion de réseaux et aux fournisseurs de services de concevoir des solutions mieux adaptées aux exigences des utilisateurs. Dans cette thèse, nous proposons une nouvelle approche qui peut traiter un scénario comprenant à la fois des situations d’activité unique et de multi-activité. L’approche proposée analyse une trace de réseau sur une fenêtre temporelle et détermine ensuite à quel type de situation elle appartient. En outre, elle identifie le type d’activités réalisées et les applications utilisées. Les résultats obtenus sont équivalents, et dépassent souvent, ceux des techniques classiques de l’état de l’art qui ne traitent qu’une seule activité.

Cette thèse étudie l’approche multimodale basée sur le traitement de signal sur graphe (TSG) pour intégrer la connectivité cérébrale structurelle et les signaux BOLD, mesurés par l’IRM de diffusion et fonctionnelle, respectivement. Dans une première partie, nous utilisons la théorie des graphes pour extraire les régions cérébrales liées à la dépression. Puis, du point de vue du TSG, nous montrons que l’analyse multimodale apporte une plus grande précision dans la classification d'adolescents anxieux et dépressifs, par rapport aux analyses unimodales. Dans une deuxième partie, nous essayons d’améliorer la localisation du signal à la fois dans le domaine spatial et spectral du graphe. Pour ce faire, nous concevons des paquets d’ondelettes sur graphe afin de créer un nouvel ensemble de transformées qui prennent mieux en compte la structure sous-jacente du graphe. Ensuite, nous exploitons et étendons l’approche Slepian de graphe qui vise à se concentrer sur un ensemble spécifique de nœuds sans exclure le sous-graphe. Nous proposons une décomposition spectrale des signaux BOLD dans des structures cérébrales localisées ainsi qu’une méthode de filtrage permettant d’examiner les patterns d’interactions entre les réseaux cérébraux. Dans une troisième partie, nous développons l’apprentissage sur graphe en utilisant les réseaux de neurones convolutionnels pour intégrer la structure et la fonction.