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.

Construire une plateforme de fog computing publique, géo-distribuée, multi-tenant et à grande échelle, où n'importe quelle application peut être déployée, nécessite un grand nombre de ressources de calcul placées à différents endroits stratégiques couvrant un pays entier ou même un continent. L'un des défis pour réaliser cette plateforme publique de fog est la scalabilité. À cette fin, cette thèse se concentre sur la résolution de certains défis liés à l'évolutivité et propose une série de solutions. Tout d'abord, nous présentons le concept de méta-fédérations, où de nombreux fournisseurs de ressources locaux indépendants peuvent louer leurs ressources à plusieurs fournisseurs de fog afin de résoudre les problèmes de couverture de service et d'utilisation des ressources. Nous proposons UnBound, un système scalable de meta-federations qui aborde spécifiquement les défis difficiles du multi-tenancy introduits par les méta-fédérations. Ensuite, nous proposons deux systèmes de surveillance conçus pour les environnements de fédération de clusters géo-distribués, Acala et AdapPF, qui visent à réduire le trafic réseau inter-cluster de la surveillance tout en maintenant la précision des données de surveillance.

Le domaine du calcul haute performance (HPC) vise à fournir aux scientifiques des systèmes capables de répondre aux exigences d'applications scientifiques complexes. Ces systèmes, les supercalculateurs, sont en constante évolution afin de relever de nouveaux défis et de répondre à de nouvelles exigences. Cependant, bien que la puissance de calcul de ces plateformes soit généralement le principal critère pour les définir, des infrastructures entières doivent passer à l'échelle pour atteindre les performances visées. En particulier, ces dernières années le volume de données traitées par le HPC a connu une augmentation drastique, et en retour, les exigences et les limites des systèmes de stockage à grande échelle ont pris une place centrale. Il est ainsi fondamental d'obtenir des connaissances suffisantes sur la manière dont les applications utilisent ces ressources et sur la manière de répondre à une large variété de cas d'utilisation afin d'obtenir de meilleures performances. Dans cette thèse, nous présentons une méthode pour acquérir de telles connaissances : permettre une meilleure simulation des systèmes de stockage complexes, afin de faciliter l'exploration rapide et en profondeur d'un large éventail de politiques de gestion, de choix de conception ou d'atténuation des goulots d'étranglement propres au HPC.

La réalité virtuelle (RV) est un outil prometteur pour la rééducation, car elle permet d'immerger les patients dans des environnements ludiques, contrôlés et sécurisés qui favorisent la motivation, et permet la rééducation à domicile. La rééducation en VR implique notamment des scénarios de marche. Cependant, ces simulations, en raison des limites des techniques actuelles pour la locomotion et les retours sensoriels, diffèrent souvent de la marche réelle. Dans ce contexte, l'objectif de cette thèse est d'explorer de nouvelles techniques de rendu sensoriel pour améliorer la simulation de la marche en RV, et, à long terme, la rééducation à la marche basée sur la RV. Notre approche consiste à explorer plusieurs dimensions de la marche, à concevoir un ou plusieurs retours sensoriels que nous implémentons dans une simulation de marche, et à évaluer les effets de ces techniques sur l'expérience utilisateur. Dans cette thèse, nous explorons trois dimensions de la marche, et, pour chacune, un ensemble de modalités sensorielles: (1) le mouvement des membres inférieurs avec un retour proprioceptif, (2) les mouvements de la tête et des yeux avec un retour visuel, et (3) les variations de l'activité physiologique avec des retours multisensoriels. Enfin, nous appliquons ce troisième point à un contexte clinique.

Cette thèse explore la compression de bases de données d’images en exploitant les redondances sémantiques présentes. Nous montrons d’abord qu’un schéma de compression multi-image fondé sur des métriques pixels atteint des résultats encourageants, mais insuffisants. En effet, lorsque le taux de compression augmente, la qualité des images décodées chute considérablement. Nous concluons qu’il faut s’affranchir du cadre classique de compression. Pour se faire, l’évaluation de la distorsion est déplacée à un plus haut niveau : au niveau de la sémantique. Nous avons dès lors chercher à modéliser et à représenter cette sémantique et avons finalement convergé vers l’utilisation de modèles de fondations, CLIP spécifiquement, pour extraire et encoder cette information. De plus, nous avons prouvé expérimentalement que ces modèles possédaient de bonnes qualités pour représenter et manipuler la sémantique d’image. Finalement, nous avons pu revenir sur le problème de compression multi-image initial et proposer un schéma de compression basé CLIP qui exploitait les redondances sémantiques de la collection d’images. Ce schéma est fondé sur l’apprentissage d’un dictionnaire de sémantiques simples représentant la sémantique de la base de données d’images et possède, lui aussi, des propriétés sémantiques intéressantes. Ce schéma de compression permet une conservation autant de la sémantique que de la qualité d’image, et ce, à des débits extrêmement faibles.