La programmation temps constant est utilisée pour produire des programmes immunisés contre les attaques temporelles. Cependant, cette discipline impose plusieurs contraintes au développeur de logiciels, ce qui rend la mise en œuvre complexe et les programmes résultants parfois plus lents. Nous proposons un nouveau mécanisme de protection spécialisé pour les systèmes embarqués qui est implémenté dans le matériel mais utilisable à partir du logiciel. Grâce à cette protection, les contraintes de la programmation temps constant peuvent être assouplies, ce qui rend cette discipline plus simple et permet de produire des programmes plus rapides. Cette protection fonctionne en verrouillant des parties de la mémoire dans le cache, de sorte que les accès vers ces parties de la mémoire soient protégés contre les attaques temporelles. Nous réutilisons les techniques de preuve utilisées pour certifier le compilateur CompCert. Dans notre cas, nous l'utilisons pour certifier qu'aucune attaque par cache ne peut exposer nos accès mémoire protégés. Nous montrons le gain de performance permis par notre nouvelle protection sur plusieurs algorithmes cryptographiques, et nous proposons une nouvelle méthode de tri rapide qui est temps constant grâce ce mécanisme de verrouillage du cache.

Cette thèse se penche sur les systèmes distribués tolérants les pannes, et s'intéresse plus particulièrement au problème de la diffusion fiable dans des environnements asynchrones sujets à des défaillances hybrides. Elle introduit un nouveau modèle de calcul combinant des défaillances byzantines de processus avec un adversaire de messages. Elle définit ensuite l'abstraction de Diffusion Fiable Byzantine Tolérante aux Adversaires de Messages (MBRB) et prouve sa condition de résilience optimale. Elle propose enfin trois algorithmes clés pour réaliser cette abstraction : un algorithme MBRB simple basé sur les signatures, une nouvelle primitive appelée k2l-cast pour des implémentations MBRB sans cryptographie, et un algorithme MBRB basé sur les codes correcteurs d'erreurs optimisant la complexité de communication. Ces contributions font progresser la compréhension des systèmes distribués tolérants les pannes, et participent aux fondations nécessaires à la conception d'algorithmes répartis résilients et efficaces, avec des applications dans les infrastructures critiques, les systèmes financiers et les technologies blockchain.

Les environnements de réalité virtuelle (VR) transforment de nombreux domaines en offrant des expériences immersives qui améliorent l'engagement, l'apprentissage et les résultats thérapeutiques. Le mouvement du corps humain joue un rôle essentiel dans la manière dont les individus perçoivent et interagissent avec ces environnements, ce qui rend indispensable la compréhension de son impact pour concevoir des applications VR plus réalistes et engageantes. Cette thèse explore les propriétés dynamiques du mouvement dans la VR, en se concentrant sur leur influence sur le comportement et la perception des utilisateurs, notamment en ce qui concerne la locomotion, l'évitement des obstacles et la prévisibilité. S'appuyant sur de nombreuses études sur le mouvement et le comportement humain, la recherche examine l'influence de propriétés du mouvement telles que la vitesse, la prévisibilité et l'expression de traits de personnalité comme le neuroticisme dans les personnages virtuels. Ces perspectives sont cruciales pour améliorer le réalisme des agents VR et optimiser l'expérience utilisateur dans des applications variées, allant de la psychothérapie à l'éducation. À travers une série d'expériences contrôlées et d'analyses de trajectoires, cette thèse développe et affine de nouvelles méthodologies pour évaluer la perception du mouvement et concevoir des agents virtuels crédibles. De plus, la thèse présente de nouvelles approches pour créer des mouvements stylisés et à haut réalisme en utilisant des réseaux neuronaux, faisant progresser la création d'agents virtuels adaptatifs qui conservent un haut degré de réalisme tout en offrant des traits comportementaux dynamiques. En étudiant l'intersection entre le mouvement, la personnalité et l'interaction avec l'utilisateur dans la VR, cette recherche contribue au domaine plus large des technologies immersives, fournissant des informations précieuses pour les futures innovations dans les environnements virtuels. Ce travail propose également un cadre complet pour concevoir des expériences futures en VR, en introduisant de nouvelles métriques pour l'analyse comportementale dans des espaces contraints et en élargissant notre compréhension de la manière dont le mouvement influence le comportement des utilisateurs. Au final, les conclusions fournissent des étapes clés pour améliorer la conception d'environnements virtuels crédibles, engageants et efficaces dans diverses applications.

Les progrès rapides des technologies de séquençage ont révolutionné la génomique, conduisant à des bases de données génomiques massives et à des milliers de génomes assemblés. Cette croissance exponentielle des données a mis en évidence les limites des modèles traditionnels basés sur des références et a motivé le développement de représentations pan-génomiques qui reflètent la diversité des espèces. Parmi ces représentations, les graphes de de Bruijn compactés (cDBG) constituent une approche de pointe pour le stockage et les requêtes sur les grands ensembles de données génomiques. En regroupant les séquences redondantes et en représentant efficacement les chevauchements des k-mères, les cDBG minimisent la mémoire et le coût de calcul. Cependant, l'ajout de nouveaux génomes sur le cDBG pose des problèmes en raison de la nature statique de la plupart structures de données basées sur des cDBG, qui nécessitent souvent une reconstruction complète, ce qui les rend coûteux et inefficaces. Pour relever le défi de l'ajout de séquences, des méthodes permettant des mises à jour dynamiques des cDBG sans reconstruction complète sont nécessaires. Cette thèse présente, Cdbgtricks, une méthode de mise à jour d'un cDBG et de son index en ciblant les régions du graphe qui doivent être modifiées. En utilisant l'index mis à jour, Cdbgtricks permet de requêter une séquence et de rapporter les positions de ses k-mères dans le graphe, avec la possibilité de requêter des millions de séquences.

Un défi majeur pour les systèmes autonomes est de fonctionner dans des conditions d’incertitude du monde réel. Les robots s’appuient sur des modèles de leur environnement et d’eux-mêmes pour prendre des décisions, mais ces modèles sont intrinsèque- ment des approximations. Par conséquent, des paramètres incertains peuvent entraîner des écarts significatifs entre le comportement prévu et réel du système. Cette thèse aborde le problème des incertitudes paramétriques en développant des trajectoires intrinsèque- ment robustes. En optimisant ces trajectoires dans le cadre du système en boucle fermée à l’aide de nouveaux concepts de sensibilités d’état et d’entrée introduits dans ce travail, l’approche améliore les performances des robots dans des conditions incertaines. L’objectif principal de cette thèse est d’étendre et d’appliquer ces méthodes basées sur la sensibilité pour la planification de trajectoires robustes. La validité du cadre d’optimisation proposé est évaluée empiriquement à travers de vastes campagnes statistiques, tant en simulation que dans des expériences réelles, sur deux plateformes robotiques largement utilisées : un drone quadrirotor et un manipulateur robotique.

Les attaques multi-fautes permettent de compromettre la sécurité d'applications prouvées théoriquement robustes, et cela, malgré l'intégration de mécanismes de sécurité. L'évaluation de sécurité pour ce type d'attaque comporte une analyse du programme pour déterminer des vulnérabilités puis une campagne d'injection de fautes sur du matériel. Cependant, considérer plusieurs fautes lors de l'analyse reste un problème ouvert en raison de la taille de l'espace des états fautés à explorer. Ce document vise à étudier les techniques d'évaluation de la sécurité contre des attaques multi-fautes. D'abord, nous explorons faisabilité d’une méthode de détermination de vulnérabilités basée exclusivement sur l’analyse statique. Ensuite, nous étudions une méthode d'identification des paramètres d'injection de fautes afin de faciliter la réalisation de campagne. Des expérimentations ont été menées sur des programmes d'évaluation de code PIN comportant diverses contre-mesures logicielles. Les résultats démontrent l'efficacité de notre approche, avec des attaques comportant jusqu'à huit fautes impactant plus de 80 instructions.

L’épilepsie est un trouble neurologique qui affecte 0.6% à 0.7% de la population mondiale et se caractérise par des crises récurrentes dues à une activité cérébrale anormale. Pour certains patients épileptiques ne répondant pas de façon satisfaisante aux traitements médicamenteux, il convient parfois de recourir à la chirurgie, nécessitant au préalable une bonne connaissance de la zone épileptogène responsable du déclenchement des crises. Ainsi, nos travaux portent sur l’inférence de la connectivité cérébrale effective à partir de signaux EEG de profondeur et de surface afin d’identifier au mieux les réseaux épileptiques. Dans un premier temps, nous avons exploré des approches basées dictionnaires et proposé une nouvelle approche qui, appliquée sur des signaux intracérébraux, a permis d’identifier correctement les graphes de propagation lors de la phase ictale. Nous avons ensuite développé une approche innovante "tout-en-un" combinant simultanément localisation des sources et estimation de connectivité à partir de signaux de surface. Celle-ci s’est avérée performante et robuste sur des schémas simulés par l’expert.

Les systèmes distribués sont constitués de plusieurs composantes informatisés (que nous appelons processus) qui interagissent pour accomplir une tâche commune. Un exemple de tâche est le consensus, où tous les processus doivent se mettre d’accord sur une valeur commune. Dans cette thèse, nous nous intéressons aux systèmes à mémoire partagée, où les processus interagissent en lisant et en écrivant dans une mémoire partagée. Nous ne travaillons pas directement sur des systèmes distribués, mais plutôt sur des modèles de ces systèmes, où nous considérons des questions de vérification automatique. Nos modèles sont paramétrés : le nombre de processus n’est pas fixé à l’avance et peut être arbitrairement grand, ce qui nous permet de vérifier le système pour tout nombre de participants. Cette hypothèse permet également des propriétés de monotonicité qui simplifient l’analyse. Notre modèle, inspiré par des algorithmes de consensus de la littérature, est à ronde : chaque processus évolue de manière incrémentale en un nombre appelé ronde, et où chaque ronde a sa propre mémoire partagée. Nous étudions de plus l’impact d’un ordonnanceur stochastique sur ce modèle à rondes. Notre approche est théorique et nous nous intéressons principalement à l’analyse de nos modèles et à la classification de nos problèmes en termes de classes de complexité.

L’augmentation du nombre d’objets connectés dans les réseaux constituant l’Internet des objets engendre une saturation du spectre, pouvant réduire la qualité des transmissions sans fil. Afin d’optimiser les communications, des algorithmes d’adaptation dynamique sont utilisés, tels que l’ADR dans les réseaux LoRaWAN. Cette thèse vise a concevoir des mécanismes d’adaptation plus performants basés sur l’intelligence artificielle. Dans un premier temps, les performances théoriques des communications LoRa sont étudiées dans différents types de canaux, en essayant à la fois de développer une approche la plus générique possible et d’inclure des contraintes industrielles comme le bruit impulsif. Afin de pouvoir simuler un réseau LoRa avec des nœuds utilisant des techniques d’apprentissage par renforcement (RL) pour l’adaptation de paramètres, le simulateur J-LoRaNeS a été développé. Le langage Julia, qui a été utilisé pour le développement, permet un excellent compromis entre rapidité d’exécution et prototypage. Le simulateur a permis de mettre en évidence des lacunes des algorithmes actuels d’adaptation dynamique de débit basés sur le RL, ce qui a mené à la proposition d’un algorithme à retour d’information groupé.

Nous étendons les travaux antérieurs sur la simplification des réductions pour l'amélioration algorithmique et montrons comment traiter une classe de programmes strictement plus générale que celle supportée précédemment. Nous montrons également que la simplification permet de redécouvrir plusieurs résultats clés en matière d'amélioration algorithmique dans de nombreux domaines, qui n'étaient auparavant obtenus qu'au prix d'une analyse et d'efforts manuels intelligents de la part de l'homme. En outre, nous motivons le lien entre la simplification et les techniques de tolérance aux fautes en utilisant la tolérance aux fautes basée sur les algorithmes (ABFT). Les méthodes ABFT fonctionnent en ajoutant des calculs redondants sous la forme de sommes de contrôle invariantes (c'est-à-dire des réductions) qui, par définition, ne devraient pas changer au cours de l'exécution du programme. En calculant et en surveillant les sommes de contrôle, il est possible de détecter les erreurs en observant les différences entre les valeurs des sommes de contrôle. Toutefois, il s'agit d'un défi car il nécessite une analyse manuelle minutieuse du programme d'entrée, et il faut veiller à ce que les calculs des sommes de contrôle soient effectués de manière suffisamment efficace pour que cela en vaille la peine. Il s'agit du premier travail à proposer une telle analyse dans un compilateur.