Auswahl der wissenschaftlichen Literatur zum Thema „Problèmes de performance , Recherche automatique“

Il est difficile de poser la question de la traduction indépendamment de la technologie et précisément de la traduction automatique intimement liée aux critères de la rapidité, de la fonctionnalité et de la fiabilité. Le présent article entend étudier la recherche terminologique, ainsi que les erreurs de traduction, produites par le logiciel Reverso afin de démontrer de manière exemplifiée non pas l’impuissance de la machine mais dénombrer les différences vis-à-vis des échantillons présentés par les étudiantes du département de traduction de l’Université Princesse Nourah bint Abdulrahman en Arabie Saoudite pour vérifier la façon dont le logiciel gère l’ensemble des problèmes identifiés. Partant du principe selon lequel la traduction automatique n’assure pas toujours la fiabilité requise, ce travail se propose aussi d’envisager un traitement automatisable qui permettrait de surmonter les problèmes d’ordre syntaxique, morphologique et sémantique.

Résumé Malgré les progrès réalisés dans l'élaboration des algorithmes de parsage, les systèmes de traduction automatiques, même les plus sophistiqués, se heurtent encore à de nombreux problèmes dont ceux de la complexité syntaxique, de l'ambiguïté lexicale et de l'analyse interphrastique. La compréhension de la corrélation entre les diverses unités syntagmatiques dépend des connaissances linguistiques, extralinguistiques et contextuelles dont la combinaison permet justement au traducteur humain de résoudre de manière quasi automatique les problèmes d'ambiguïté. La mise sur pied d'un système totalement indépendant de l'action humaine relevant aujourd'hui de l'utopie, la recherche en traduction automatique devrait davantage s'orienter vers la conception de micro-systèmes utilisables dans des domaines précis.

De par ses caractéristiques morpho-phonologiques, morphosyntaxiques, lexicales et autres systèmes et sous-systèmes de son fonctionnement, la langue arabe représente un système de non-concaténation (ou non-enchaînement des morphèmes). Elle diffère dans ce sens des langues Indo-européennes – à systèmes de concaténation – et demeure pour ainsi dire, une langue assez complexe à gérer dans le domaine du Traitement Automatique des Langues(TAL). Ceci, surtout lorsqu’il s’agit de traduire automatiquement des faits de langue porteurs d’éléments culturels propres à cette langue. Les données examinées dans cet article sont révélatrices de hiatus quant à la traduction automatique de textes juridiques arabes vers d’autres langues telles que le français ou l’anglais. L’apparentement génétique différent des langues en question pose non seulement des problèmes d’ordre linguistique dans le passage d’une langue vers une autre, mais aussi et surtout que les textes juridiques en langue arabe sont porteurs de poids sémantiques, culturels, religieux et civilisationnels qui ne reflètent pas toujours les mêmes référents ou gestalt des langues cibles. Il en est conclu que l’intervention humaine dans ce processus de traduction est plus que nécessaire comme le révèle l’étude des cas de textes juridiques en Arabie Saoudite.

L’objectif de cet article est d’illustrer une démarche de segmentation appliquée à l’exploitation des enquêtes de satisfaction à l’égard d’un bien durable – l’automobile. Cette démarche est empirique, au sens où ne sont modélisées que les régularités constatées, en s’appuyant sur les acquis théoriques de la recherche en matière de satisfaction. Les résultats démontrent qu’une segmentation naturelle conduit à des conclusions généralisables et atténue considérablement les problèmes méthodologiques rencontrés lorsque l’on se contente d’appliquer aux données un processus de segmentation automatique .

Résumé L'article présente le projet de recherche en traduction automatique, Babel-Research, qui a débuté en janvier 1988 sous l'égide de l'Université Libre de Bruxelles. Il a récemment abouti à la réalisation a'un prototype de traduction de correspondance commerciale français-anglais. Le système est conçu comme un outil de travail pour un(e) secrétaire monolingue, ce qui impose certaines contraintes à l'architecture du système. Puisque l'utilisateur n'est pas à même de corriger le texte cible, le système doit garantir une qualité de traduction satisfaisante. Notre principale voie de recherche consiste à évaluer d'une part si un système basé sur la pré-édition normative du texte source et l'interaction avec son rédacteur en cours de traduction offre une solution valable aux systèmes à postédition plus courants ; et à évaluer d'autre part quelle couverture syntaxique et sémantique ce type de système peut comparativement proposer. L’article présente d'abord les options théoriques du projet : architecture de transfert, modularité computationnelle, paradigme d'unification. Ensuite, il décrit le prototype, Babel-2, en mettant l'accent sur ses caractéristiques originales. Premièrement, nous avons mis au point une stratégie d'analyse en « pas de deux », qui combine les avantages des stratégies descendante et ascendante tout en contournant leurs inconvénients. En bref, un premier mouvement établit les relations de constituance, un second les liens de dépendance. Deuxièmement, Babel-2 reconnaît et traduit de manière adéquate divers types d'idiomes français. Troisièmement, il résout une série de problèmes de traduction complexes tels les nuances aspectuelles, le génitif saxon, les changements d'ordre des mots. Il traite également les constructions qui présentent des transformations structurelles telles que suppression d'arguments, adjonction d'arguments, inversion des relations de dépendance... Un regard prospectif vers les recherches futures clôture la présentation.

En se taillant une place de plus en plus visible dans les structures du monde universitaire globalisant grâce entre autres à la reconnaissance de doctorats en traductologie, les chercheurs qui représentent la traduction (traductologie ou Translation Studies) auraient tort d’imaginer qu’ils n’ont plus de problèmes d’identité. En effet, leur homogénéité comme communauté de chercheurs n’est pas évidente, quoique l’usage de l’anglais dans la désignation de la discipline – Translation Studies ou TS – risque de nous faire croire le contraire. L’hétérogénéité n’est pas forcément un handicap, mais l’absence de cohésion entre les différentes ailes des TS (formation des traducteurs et des interprètes; traduction dite automatique; recherches dites descriptives ou théoriques, tantôt appliquées, tantôt fondamentales) n’est pas de nature à nous rassurer. L’absence d’harmonie, camouflée non sans diplomatie dans le terme TS, ne manque pas de gêner l’intégration avec et dans les autres disciplines. Il y aurait lieu de distinguer entre homogénéité interne et externe, l’une renforçant sans doute l’autre. S’il est vrai que les spécialistes de la traduction n’ont pas toujours brillé dans les initiatives interdisciplinaires, la cécité réciproque n’est pas rare dans le monde universitaire. Il est plus grave encore de constater que certaines grandes tendances en matière de langue, linguistique, société et communication, susceptibles d’inspirer des formes de coopération nouvelles, ont été ignorées. C’est le cas, entre autres, des mouvements novateurs qui se concentrent sur l’internationalisation et la mondialisation. En somme, une conception statique du monde universitaire n’est guère compatible avec la recherche sur la traduction.

Un test informatisé, SAMUEL, inspiré des cubes de Kohs, a été construit afin de fournir au praticien un outil de diagnostic des stratégies de résolution de problèmes. Trois stratégies sont identifiées : globale, analytique et synthétique. Cette recherche trouve son origine dans les travaux de Huteau et Lautrey qui montrent l’insuffisance des tests factoriels : les processus y sont peu analysés dans des situations qui ne sont pas toujours clairement définies. Ce test est une tentative de réponse à ces critiques : il se caractérise par une analyse fine à la fois du comportement du sujet et de la tâche. Auprès de lycéens non-francophones, cette étude compare les stratégies obtenues grâce au test SAMUEL avec les scores de l’échelle de performance de la WAIS et un entretien. Les résultats sont tout à fait cohérents et montrent l’apport des stratégies par rapport à un score global. Néanmoins, cette conclusion est à nuancer car pour être vraie, l’analyse des stratégies doit être réalisée au niveau intra-individuel.

Issue de la biologie de la conservation, la planification systématique de la conservation (PSC) est une approche pratique qui se propose de fournir une aide à la décision dans la planification des actions de conservation en intégrant les objectifs écologiques avec les contraintes des gestionnaires. Basée sur la modélisation, l’optimisation et l’informatique, la PSC offre un cadre rationnel pour aborder les problématiques environnementales et réduire le fossé entre recherche et gestion. Dans cette thèse, nous avons introduit une approche formelle pour modéliser et résoudre des problèmes de PSC basée sur la programmation par contraintes, une méthode issue de l'intelligence artificielle et fondée sur le raisonnement automatique. Notre motivation principale était d'apporter plus d'expressivité à la PSC (i.e. d'accroître l'étendue et la variété des problèmes qui peuvent être représentés et résolus), notamment par l'intégration de contraintes spatiales avancées et d'indices du paysage. Cette approche permet également d’obtenir des garanties sur la qualité des solutions produites (satisfaisabilité, optimalité) qui peuvent améliorer considérablement la qualité de l'aide à la décision. Nous avons appliqué cette approche sur des données réelles issues des forêts de Nouvelle-Calédonie, un point chaud de la biodiversité qui doit faire face à de nombreux défis pour la conservation de sa biodiversité. Le contexte développé, insulaire et peu peuplé de cet archipel permet une grande proximité entre les différents acteurs de la conservation, ce qui en fait un terrain d'étude approprié pour expérimenter de nouveaux outils pour la conservation. Nous avons illustré cette particularité à travers un cas d'étude mené en étroite collaboration avec les gestionnaires du parc provincial de la « Côte Oubliée -– Woen Vùù – Pwa Pereeù ». Dans cette étude, nous avons fourni une aide à la décision dans un projet de reforestation, en mettant l'accent sur la réduction de la fragmentation et l'amélioration de la connectivité structurelle. Dans l'ensemble, nous avons démontré le caractère générique, la flexibilité et l'expressivité de l'approche basée sur les contraintes appliquée à la PSC. Nos résultats ont également ouvert de nouvelles perspectives pour l'aide à la décision en Nouvelle-Calédonie, la PSC, et la programmation par contraintes.

Une large littérature conceptuelle met en évidence les difficultés éprouvées lors de la transmission des entreprises familiales à la génération suivante. Ces développements théoriques ont été validés par de nombreuses études empiriques, même s’il subsiste des débats contradictoires. Les objectifs de cette recherche sont de déterminer si la préparation de la transmission a une influence sur la performance des PME familiales et si ces PME se heurtent à moins de problèmes. Une enquête, réalisée auprès de 2 000 PME, a permis de relever 159 transmissions et de collecter les informations concernant la transmission. Cet article utilise la méthodologie du pairage statistique de manière à comparer les performances de PME familiales préparées à la transmission à celles d’homologues non préparées. Les résultats obtenus ne permettent pas de montrer que les PME familiales préparées sont significativement plus performantes. Les résultats montrent néanmoins une évolution des performances des PME non familiales après la transmission (observée sur trois ans) encore plus négative en cas de non-préparation.

The research examined whether an educational intervention could enhance the ability of learning disabled (LD) adolescents to recognize non-verbal emotional messages and thus their social functioning. Most LD children have problems recognizing non-verbal cues, particularly emotional ones, and have social difficulties. The study examined the validity of the theory of a link between ability to recognize non-verbal emotional cues and social functioning. According to this theory, the better the ability to recognize non-verbal emotional messages the better the social functioning. An educational intervention was devised to investigate this. The intervention included 12 lessons of 45 minutes each, twice a week for six weeks. The study examined 77 Israeli LD, native Hebrew-speaking adolescents in grades 7-10. The results demonstrated the efficacy of the intervention in enhancing students’ ability to recognize non-verbal emotional messages. Students’ social functioning improved in two social parameters: empathy and social closeness. Students with borderline IQ benefited more from the intervention than students with normal range IQ, and boys benefited more than girls. The study suggests an effective practical tool for promoting social functioning among adolescents with LD. Cette recherche a examiné dans quelle mesure une intervention éducative pouvait augmenter la capacité des adolescents ayant des problèmes d’apprentissage à détecter les messages émotionnels non verbaux et ainsi améliorer leurs comportements sociaux. La plupart des adolescents ayant des problèmes d’apprentissage éprouvent de la difficulté à reconnaitre les messages non verbaux, notamment ceux de nature émotionnelle, et ils manifestent des difficultés sociales. Cette étude a examiné la validité de la théorie selon laquelle il y aurait un lien entre la capacité à détecter les messages émotionnels non verbaux et le fonctionnement sur le plan social. La théorie soutient que mieux on reconnait les messages émotionnels non verbaux, mieux on fonctionne sur le plan social. Pour étudier cette théorie, nous avons conçu une intervention éducative impliquant 12 leçons de 45 minutes chacune, deux fois par semaine pendant six semaines. Cette étude a porté sur 77 adolescents israéliens de langue maternelle hébraïque entre la 7e et la 10e année et ayant des difficultés d’apprentissage. Les résultats démontrent l’efficacité de l’intervention dans l’augmentation de la capacité des élèves de reconnaitre les messages émotionnels non verbaux. Le fonctionnement social des élèves s’est amélioré selon deux paramètres sociaux: l’empathie et la proximité sociale. Les élèves ayant un QI limite ont profité plus de l’intervention que ceux ayant un QI dans la gamme normale, et les garçons ont démontré plus d’amélioration que les filles. Cette recherche propose un outil pratique et efficace visant la promotion du fonctionnement social chez les adolescents ayant des difficultés d’apprentissage.

Cette thèse présente des travaux prospectifs sur la mise au point d'applications parallèles pour des systèmes sur puce multiprocesseurs (MPSoC). Les technologies actuelles permettent d'intégrer sur une seule puce, un nombre croissant de processeurs hétérogènes. Les outils de mise au point jouent un rôle crucial durant le développement d'applications pour ce type de système. La mise au point d'applications parallèles est une problématique ancienne qui a déjà été longuement étudiée. Dans notre travail, nous nous efforçons de confronter certaines approches existantes au contexte du développement embarqué. Nous abordons des techniques comme la détection de patterns d'événements, l'analyse de la causalité entre des comportements, ou la recherche automatique de problèmes de performance. Nous montrons l'intérêt et les limites que ces méthodes peuvent avoir dans notre domaine
This thesis is a prospective study on the tuning of parallel applications on Multiprocessor Systems On Chip (MPSoC). Actual technology allow to integrate on a single chip, a growing number of heterogeneous processors. Tuning tools have a central place during the development of applications on these systems. The tuning of parallel applications is an old problem which have been weIl studied. Ln our work, we try to confront existing approachs with the embedded context. Our work deal with somes techniques as the event pattern detection, the causality between behaviors, or the specification of performance problems. We show interests and limits of these techniques for our domain

Ce travail s'intéresse aux problèmes de décision pour lesquels on cherche une solution optimale ou quasi-optimale et dont il faut résoudre plusieurs instances successives (problèmes récurrents) lesquelles sont des variantes d'un même problème d'origine.On analyse la structure de tels problèmes afin de dégager les caractéristiques pouvant être exploitées efficacement et transférées d'une résolution à l'autre, afin d'améliorer incrémentalement la qualité de l'optimisation.On se place donc dans le cadre d'une interaction entre un processus d'apprentissage automatique (fouille de données d'optimisation) et un processus d'optimisation.D'une part, étant donné l'expérience de résolutions passées, on cherche à apprendre ce que l'on peut généraliser au problème courant.D'autre part, on cherche à utiliser ces connaissances au sein de l'algorithme d'optimisation afin de rendre son exécution plus efficace.En particulier, cette thèse présente trois contributions. La première introduit une méthode pour générer des sous-problèmes plus simple pour un instance d’un problème récurrent, en utilisant la classification multi-étiquette. Un sous-ensemble de variables décision est sélectionné et figé à une valeur de référence.La solution au sous-problème qui reste, même en étant pas garantie optimale pour le problème originale, peut être obtenu plus rapidement.La deuxième, emploie l’apprentissage supervisé, classification et régression, pour prédire et ajouter une contrainte additionnelle au problème récurrent modélisé par programmation mathématique. Au moment de résoudre une nouvelle instance, le modèle prédit en quelle mesure la solution au problème de référence est applicable, en permettant d’obtenir une résolution plus rapide.Dans la troisième, le contrôle dynamique de paramètres d’un algorithme évolutionnaire est encadré comme un problème d’apprentissage par renforcement. Les politiques de contrôle ainsi obtenues garantissent que l’algorithme d’optimisation atteint, en moyenne, la solution optimale dans le plus court délai
The interest is on those decision problems for which an optimal or quasi-optimal solution is sought, and for which it is necessary to solve successive instances (recurrent problems) that are variations of a common original problem.The structure of such problems is analysed to identify the characteristics that can be exploited and transferred from one resolution to another, to incrementally improve the quality of the optimization process. The research is characterized by the interaction between a process of statistical learning (from optimization data) and a process of optimization. The information extracted from past resolutions is generalized to the current problem and integrated into the optimization algorithm to make its execution more resource-efficient.In particular, this thesis presents three contributions.The first, introduces a method that generates a simpler sub-problem to an instance of a recurrent problem, using multi-label classification. A subset of decision variables is selected and set to a reference value. The solution to the remaining sub-problem, while not guaranteed to be optimal for the original problem, can be obtained faster.The second employs Supervised Learning, classification and regression, to predict an additional constraint to a reference recurrent problem modelled via Mathematical Programming. When a new instance is solved, the model predicts how much of the solution to the reference problem is still applicable, allowing for a more rapid resolution.In the third, the dynamic control of the parameters of Evolutionary Algorithms is framed as a Reinforcement Learning problem. The control policies obtained guarantee that the optimization algorithm reaches an optimal solution within the shortest, average time

L'objectif de cette thèse était d'étudier sous différents angles d'approche le phénomène d'amorçage. Dans ce but, plusieurs facteurs, connus pour leur impact sur l'activation du lexique mental, ont été manipulés. Il s'agissait du délai de présentation de mots amorces, de la nature de la tâche expérimentale ainsi que des liens lexicaux entre les mots. Les experiences réalisées ont permis d'observer que l'activation du lexique pouvait rapidement être mise en place ( dès 43 ms) lorsque les mots partageaient un chevauchement sémantique important et non pas lorsqu'ils étaient associés. La nature de la tâche expérimentale était primordiale dans l'observation de cet effet puisqu'il a été démontré que la tâche de catégorisation sémantique permettait une activation des mots sémantiquement reliés à ce délai bref alors que la tâche de décision lexicale n'y parvenait pas. La tâche de décision lexicale est pourtant très répandue dans le cadre d'étude. Ceci nous a conduits à reconsidérer l'emploi massif de cette tâche dans l'étude des effets d'amorçage précoces. Néanmoins, la tâche de décision lexicale demeure un outil fiable que la tâche de catégorisation sémantique lorsqu'il s'agit d'étudier des délais d'activation plus longs (à partir de 71 ms). De plus nous avons opérer une nette distinction entre le matériel associatif et le matériel sémantique présents dans cette thèse afin de clairement délimiter la contribution de chacunn d'eux dans le phénomène d'amorçage. Ainsi il paraît que la relation sémantique est plus efficace que la relation associative dans l'observation des effets d'amorçage automatiques. Ces résultats sont en accord avec plusieurs modèles de l'organisation du lexique et/ou de l'amorçage, notamment le modèle de diffusion de l'activation, le modèle HAL (Burgess et collaborateurs) mais aussi les modèles connexionnistes tels que ceux de Plaut (1995) ou Cree,McRae, et McNorgan (1999).

Le formalisme " Problème de Satisfaction de Contraintes " (ou CSP pour Constraint Satisfaction Problem) peut être considéré comme un langage de représentation formelle qui couvre l'ensemble des problèmes dont la modélisation fait intervenir des contraintes. L'intérêt de ce formalisme réside dans l'exploitation de la généricité d'algorithmes de résolution puissants mais également dans la performance d'algorithmes dédiés à des problèmes particuliers. Dans ce travail de thèse, nous étudions la résolution de CSP par des méthodes de recherche arborescente basées sur la notion de " divergence ". Dans ce cadre, nous proposons de nouveaux mécanismes d'amélioration des méthodes de recherche générales qui exploitent les échecs rencontrés pendant la résolution, en adoptant des heuristiques de pondération des variables et des valeurs. Nous proposons également d'autres techniques spécifiques aux méthodes à base de divergences qui conditionnent l'exploration de l'arbre de recherche développé, notamment la restriction des divergences, les différents modes de comptage ainsi que le positionnement des divergences. Ces propositions sont validées par des expérimentations numériques menées sur des problèmes de satisfaction de contraintes aléatoires (tirés de contextes réels) ainsi que des problèmes d'optimisation. Des comparaisons sont effectuées entre variantes de méthodes à divergences intégrant différentes combinaisons parmi les améliorations étudiées et d'autres méthodes connues pour leur performance.

La recherche autonome est un nouveau domaine d'intérêt de la programmation par contraintes, motivé par l'importance reconnue de l'utilisation de l'apprentissage automatique pour le problème de sélection de l'algorithme le plus approprié pour une instance donnée, avec une variété d'applications, par exemple: Planification, Configuration d'horaires, etc. En général, la recherche autonome a pour but le développement d'outils automatiques pour améliorer la performance d'algorithmes de recherche, e.g., trouver la meilleure configuration des paramètres pour un algorithme de résolution d'un problème combinatoire. Cette thèse présente l'étude de trois points de vue pour l'automatisation de la résolution de problèmes combinatoires; en particulier, les problèmes de satisfaction de contraintes, les problèmes d'optimisation de combinatoire, et les problèmes de satisfiabilité (SAT).Tout d'abord, nous présentons domFD, une nouvelle heuristique pour le choix de variable, dont l'objectif est de calculer une forme simplifiée de dépendance fonctionnelle, appelée dépendance-relaxée. Ces dépendances-relaxées sont utilisées pour guider l'algorithme de recherche à chaque point de décision.Ensuite, nous révisons la méthode traditionnelle pour construire un portefeuille d'algorithmes pour le problème de la prédiction de la structure des protéines. Nous proposons un nouveau paradigme de recherche-perpétuelle dont l'objectif est de permettre à l'utilisateur d'obtenir la meilleure performance de son moteur de résolution de contraintes. La recherche-perpétuelle utilise deux modes opératoires: le mode d'exploitation utilise le modèle en cours pour solutionner les instances de l'utilisateur; le mode d'exploration réutilise ces instances pour s'entraîner et améliorer la qualité d'un modèle d'heuristiques par le biais de l'apprentissage automatique. Cette deuxième phase est exécutée quand l'unité de calcul est disponible (idle-time). Finalement, la dernière partie de cette thèse considère l'ajout de la coopération au cours d'exécution d'algorithmes de recherche locale parallèle. De cette façon, on montre que si on partage la meilleure configuration de chaque algorithme dans un portefeuille parallèle, la performance globale peut être considérablement amélioré.

La documentation a rencontré des changements radicaux au cours de cette dernière décennie. Un pas important a été franchi avec l'avènement de la documentation en format électronique. La documentation opérationnelle aéronautique est elle aussi de plus en plus disponible en format électronique, et offre de nouvelles opportunités d'utilité et des défis d'utilisabilité. Nous nous attachons à étudier comment cette documentation peut être développée pour répondre à cette évolution. Grâce à une modélisation cognitive de la tâche de recherche d'information, nous catégorisons puis discutons les activités documentaires des pilotes telles que : support de performance, aide à la préparation ou entraînement. Dans ces différentes activités, l’interactivité entre le pilote et la documentation présuppose une notion de pertinence de l'information choisie. Nous utilisons la notion de contexte comme référentiel de pertinence. Notre modélisation du contexte est composée de trois catégories de descripteurs sémantiques, qui sont : les tâches, les conditions et les ressources. L'articulation de ces trois catégories de contexte définit l'ensemble des situations décrites dans la documentation aéronautique. La thèse met en application les propositions de notre modélisation en utilisant une approche centrée utilisateur. D'abord, un questionnaire sur l'utilisation de la documentation illustre les besoins des pilotes. Ensuite, deux cycles de conceptions/évaluations d'un prototype de documentation contextuelle permettent de spécifier une méthode de contextualisation de la documentation, ainsi que de proposer des interactions susceptibles de supporter les catégories d'activités documentaires des pilotes.

Une approche hybride basée sur la fouille de données pour découvrir de nouvelles règles de priorité pour le problème l'ordonnancement job-shop est présentée. Cette approche est basée sur la recherche de connaissances supposées être intégrés dans les solutions efficaces fournies par un module d'optimisation préalablement mis en oeuvre et utilisant la recherche tabou. L'objectif est de découvrir les principes directeurs de l'ordonnancement à l'aide de la fouille de données et donc d'obtenir un ensemble de règles capables d'obtenir des solutions efficaces pour un problème d'ordonnancement. Une structure basée sur fouille de données est présentée et mise en œuvre pour un problème de job shop avec comme objectifs le retard maximum et le retard moyen. Les résultats obtenus sont très prometteurs.

De nos jours, les systèmes distribués sont constitués de nombreuxcomposants logiciels ayant des interactions complexes et de nombreusespossibilités de configurations. Dès lors, localiser les problèmes deperformance est une tâche difficile, nécessitant une expertisehumaine et de nombreux essais. En effet, la même pile logicielle peutse comporter différemment en fonction dumatériel utilisé, de la logique applicative, des paramètres deconfiguration et des conditions de fonctionnement. Ce travail a pourobjectif (i) d’identifier un ensemble demétriques de référence, générales etfiables, pour localiser les problèmes de performance, (ii) d’identifierles caractéristiques de ces indicateurs, et (iii) deconstruire un outil qui puisse déterminer de manière automatiquesi le système a atteint sa capacité maximale en terme dedébit.Dans cette thèse, nous présentons trois contributionsprincipales. Premièrement, nous présentons une étude analytique d’ungrand nombre de configurations réalistes d’applications distribuéesmulti-tiers, se concentrant sur les chaînes de traitements desdonnées. En analysant un grand nombre de métriques au niveau logicielet matériel, nous identifions celles dont le comportement change aumoment où le système atteint sa capacité maximale. Deuxièmement, nousexploitons les techniques d’apprentissage machine pour développer unoutil capable d’identifier automatiquement les problèmes deperformance dans la chaîne de traitement de données. Pour ce faire,nous évaluons plusieurs techniques d’apprentissage machine, plusieurssélections de métriques, et différentscas de généralisation pour de nouvelles configurations. Troisièmement,pour valider les résultats obtenues sur la chaîne de traitement dedonnées, nous appliquons notre approche analytique et notre approchefondée sur l'apprentissage machine au cas d’une architecture Web.Nous tirons plusieurs conclusions de nos travaux. Premièrement, il estpossible d’identifier des métriques clés qui sont des indicateursfiables de problèmes de performance dans les systèmes distribuésmulti-tiers. Plus précisément, identifier le moment où le serveur aatteint sa capacité maximale peut être identifier grâce à cesmétriques fiables. Contrairement à l’approche adoptée par de nombreuxtravaux existants, nos travaux démontrent qu'une combinaison demétriques de différents types est nécessaire pour assurer uneidentification fiable des problèmes de performance dans un grandnombre de configurations. Nos travaux montrent aussi que les approchesfondées sur des méthodes d’apprentissage machine pour analyser lesmétriques permettent d’identifier les problèmes de performance dansles systèmes distribués multi-tiers. La comparaison de différentsmodèles met en évidence que ceux utilisant les métriques fiablesidentifiées par notre étude analytique sont ceux qui obtiennent lameilleure précision. De plus, notre analyse approfondie montre larobustesse des modèles obtenues. En effet, ils permettent unegénéralisation à de nouvelles configurations, à de nouveaux nombres declients, et à de nouvelles configurations exécutées avec de nouveauxnombres de clients. L'extension de notre étude au cas d'unearchitecture Web confirme les résultats principaux obtenus à traversl’étude sur la chaîne de traitement de données. Ces résultats ouvrentla voie à la construction d'un outil générique pour identifier demanière fiable les problèmes de performance dans les systèmesdistribués
Today's distributed systems are made of various software componentswith complex interactions and a large number of configurationsettings. Pinpointing the performance bottlenecks is generally a non-trivial task, which requires human expertise as well as trial anderror. Moreover, the same software stack may exhibit very differentbottlenecks depending on factors such as the underlying hardware, theapplication logic, the configuration settings, and the operatingconditions. This work aims to (i) investigate whether it is possibleto identify a set of key metrics that can be used as reliable andgeneral indicators of performance bottlenecks, (ii) identify thecharacteristics of these indicators, and (iii) build a tool that canautomatically and accurately determine if the system reaches itsmaximum capacity in terms of throughput.In this thesis, we present three contributions. First, we present ananalytical study of a large number of realistic configuration setupsof multi-tier distributed applications, more specifically focusing ondata processing pipelines. By analyzing a large number of metrics atthe hardware and at the software level, we identify the ones thatexhibit changes in their behavior at the point where the systemreaches its maximum capacity. We consider these metrics as reliableindicators of performance bottlenecks. Second, we leverage machinelearning techniques to build a tool that can automatically identifyperformance bottlenecks in the data processing pipeline. We considerdifferent machine learning methods, different selections of metrics,and different cases of generalization to new setups. Third, to assessthe validity of the results obtained considering the data processingpipeline for both the analytical and the learning-based approaches,the two approaches are applied to the case of a Web stack.From our research, we draw several conclusions. First, it is possibleto identify key metrics that act as reliable indicators of performancebottlenecks for a multi-tier distributed system. More precisely,identifying when the server has reached its maximum capacity can beidentified based on these reliable metrics. Contrary to the approachadopted by many existing works, our results show that a combination ofmetrics of different types is required to ensure reliableidentification of performance bottlenecks in a large number ofsetups. We also show that approaches based on machine learningtechniques to analyze metrics can identify performance bottlenecks ina multi-tier distributed system. The comparison of different modelsshows that the ones based on the reliable metrics identified by ouranalytical study are the ones that achieve the bestaccuracy. Furthermore, our extensive analysis shows the robustness ofthe obtained models that can generalize to new setups, to new numbersof clients, and to both new setups and new numbers ofclients. Extending the analysis to a Web stack confirmsthe main findings obtained through the study of the data processingpipeline. These results pave the way towards a general and accuratetool to identify performance bottlenecks in distributed systems