Academic literature on the topic 'Détection de tendances émergentes'

Ce texte fait le point sur les tendances thématiques émergentes en histoire urbaine environnementale au Québec. Après avoir dressé un bilan des travaux historiques qui ont intégré les enjeux environnementaux dans leurs analyses, l’article lance quelques pistes de réflexion sur la manière dont l’histoire urbaine pourrait poursuivre l’exploration d’une approche environnementale, c’est-à-dire qu’il propose un cadre d’analyse tenant compte des situations et des sites urbains ainsi que de leurs caractéristiques tout en s’attachant aux interrelations entre l’espace social, l’espace construit et l’espace naturel.

Cet article aborde les thèmes de recherche de longue date et émergents dans le domaine de l’éthique du marketing. Il débute par les définitions, puis s’intéresse à l’analyse de la recherche sur : l’éthique du consommateur, les questions relatives aux produits, les questions de tarification, les défis des canaux de distribution et deux tendances émergentes en rapport avec la publicité et la promotion. La dernière partie de l’article propose un certain nombre de recommandations destinées aux jeunes chercheurs afin de mener des travaux de recherche sur des thèmes relevant de l’éthique du marketing. Il conclut par quelques réflexions sur l’enseignement de l’éthique du marketing et fait référence à la protection de la vie privée comme un sujet de préoccupation croissante en matière d’éthique dans le marketing.

Dans le domaine de la finance, l'information joue un rôle extrêmement important dans la prise de décisions en matière d'investissement. En effet, une meilleure connaissance du contexte peut conduire à l'élaboration d'approches plus appropriées quant à la manière d'investir et à la valeur de l'investissement. En outre, être capable d'identifier les thématiques émergentes fait partie intégrante de ce domaine, car ceci peut aider à prendre de l'avance sur les autres investisseurs, et donc à obtenir des avantages concurrentiels considérables. Pour identifier les thèmes susceptibles d'émerger à l'avenir, des sources telles que les rapports financiers annuels, les données des marchés boursiers ou encore les résumés des réunions de la direction sont examinés par des experts financiers professionnels. Des sources d'information fiables provenant d'éditeurs de presse réputés peuvent également être utilisées pour détecter les thèmes émergents. Contrairement aux médias sociaux, les articles de ces éditeurs jouissent d'une crédibilité et d'une qualité élevées. Ainsi, lorsqu'ils sont analysés en grande quantité, il est probable que l'on découvre des informations dormantes/cachées sur les tendances ou ce qui peut devenir des tendances futures. Cependant, en raison de la grande quantité d'informations générées chaque jour, il est devenu plus exigeant et difficile d'analyser les données manuellement tout en détectant les tendances au plus vite. Notre recherche explore et analyse des données de différentes sources de qualité, telles que des résumés de publications scientifiques et un ensemble de données d'articles d'actualité fournis par Bloomberg, appelé Event-Driven Feed (EDF), afin d'expérimenter la détection des tendances émergentes. En raison de l'énorme quantité de données disponibles réparties sur de longues périodes de temps, elle encourage l'utilisation d'une approche contrastive pour mesurer la divergence entre le contexte environnant, passé et présent des mots et des phrases extraits, comparant ainsi la similarité entre les représentations vectorielles uniques de chaque intervalle pour découvrir des évolutions dans l'utilisation des termes qui peuvent conduire à la découverte d'une nouvelle tendance émergente. Les résultats expérimentaux révèlent que l'évaluation de l'évolution dans le temps du contexte des termes est susceptible de détecter les tendances critiques et les points d'émergence. On découvre également que l'évaluation de l'évolution du contexte sur une longue période est préférable à la simple comparaison des deux points les plus proches dans le temps
In the financial domain, information plays an utmost important role in making investment/business decisions as good knowledge can lead to crafting correct approaches in how to invest or if the investment is worth it. Moreover, being able to identify potential emerging themes/topics is an integral part of this field, since it can help get a head start over other investors, thus gaining a huge competitive advantage. To deduce topics that can be emerging in the future, data such as annual financial reports, stock market, and management meeting summaries are usually considered for review by professional financial experts. Reliable sources of information coming from reputable news publishers, can also be utilized for the purpose of detecting emerging themes. Unlike social media, articles from these publishers have high credibility and quality, thus when analyzed in large sums, it is likely to discover dormant/hidden information about trends or what can become future trends. However, due to the vast amount of information generated each day, it has become more demanding and difficult to analyze the data manually for the purpose of trend identification. Our research explores and analyzes data from different quality sources, such as scientific publication abstracts and a provided news article dataset from Bloomberg called Event-Driven Feed (EDF) to experiment on Emerging Trend Detection. Due to the enormous amount of available data spread over extended time periods, it encourages the use of contrastive approaches to measuring the divergence between past and present surrounding context of extracted words and phrases, thus comparing the similarity between unique vector representations of each interval to discover movement in word usage that can lead to the discovery of new trend. Experimental results reveal that the assessment of context change through time of selected terms is able to detect critical emerging trends and points of emergence. It is also discovered that assessing the evolution of context over a long time span is better than just contrasting the two most recent points in time

Contexte : l'émergence de maladies infectieuses est la conséquence de déséquilibres dynamiques, au sein d'écosystèmes complexes distribués à une échelle géographique donnée comprenant des humains, des animaux, des agents pathogènes et l’environnement. La mondialisation croissante des échanges implique une augmentation des flux internationaux de voyageurs et de marchandises qui peut favoriser la propagation des maladies infectieuses. Dorénavant, une crise sanitaire dans une région ou un pays peut avoir des répercussions très rapides sur la santé et l’économie dans de nombreuses parties du monde. Détecter les émergences, les comprendre par des investigations de terrain sont des étapes indispensables pour mieux contrôler les futures épidémies et pandémies. Expériences : au cours de mon parcours professionnel, mon travail personnel m’a permis d’aborder ces trois dimensions au travers de trois études qui ont donné lieu à publication dans des revues internationales à comité de lecture. Etude 1) Au cours d’une épidémie nationale d’Escherichia Coli O104 :H4 en 2011, j’ai exploré la rapidité du système de surveillance allemand en matière de détection, et recommandé une révision du système de surveillance en organisant la notification par les médecins et chefs de laboratoires dans une base de données centralisée et partagée avec différents droits d'accès par les services de santé aux niveau local, régional et national. Etude 2) Au décours de la pandémie grippale en 2009, j’ai investigué et comparé les caractéristiques des cas sévères pédiatriques en Allemagne durant deux saisons. La gravité inchangée de la grippe A(H1N1)pdm09 au cours de la première saison post pandémique (2010-11) et la proportion élevée et constante d'infections possiblement acquises à l'hôpital ont souligné le défi de prévenir les cas pédiatriques au-delà de la situation pandémique. Etude 3) Lors de l’épidémie du virus Ebola (MVE) en 2014, j’ai évalué les performances du contact tracing au Libéria en tant que mesure de contrôle spécifique. Malgré l'ampleur sans précédent du contact tracing pour la MVE au Libéria, sa capacité à détecter de nouveaux cas était limitée, en particulier dans les zones urbaines et pendant le pic épidémique. Discussion : la pandémie de Covid-19 a révélé des faiblesses des systèmes de surveillance dans presque tous les pays. Les leçons apprises au cours des épidémies et pandémies précédentes telles que celles auxquelles j’avais été exposé professionnellement et que je rapporte ici ont été insuffisamment prise en considération. En Afrique, les estimations de l’incidence et de la mortalité sont respectivement 100 fois et 15 fois plus élevées que les notifications. Parmi les explications à ces différences très importantes, on doit citer la faiblesse des systèmes de surveillance, du suivi des contacts, de l’utilisation des tests de dépistage et de diagnostic et le manque d’accès aux soins. L’amélioration des systèmes de surveillance des maladies émergentes nécessite : 1) d’accélérer la digitalisation et la mise en réseau des systèmes d’information sanitaire à tous les niveaux, des centres de santé et laboratoires périphériques jusqu’à l’échelon international ; 2) la captation, l’utilisation effective et la mise en relation d’autres sources de données (communautaires, enregistrements des décès, données animales et environnementales) et l’utilisation régulée d’internet et des réseaux sociaux ; 3) de renforcer les compétences et l’expertise des épidémiologistes de terrain et leur mise en réseau ; 4) d’investir dans la recherche au cours et entre les épidémies ; et 5) que les bailleurs de fonds et les gouvernements reconnaissent le caractère inévitable des prochaines épidémies de maladies infectieuses ou autres, aux conséquences graves, notre vulnérabilité à celles-ci et la nécessité d’investir en santé mondiale
Context: the emergence of infectious diseases is the consequence of dynamic imbalances, within complex ecosystems distributed at a given geographical scale including humans, animals, pathogens and the environment. The increasing globalization of trade implies an increase in international flows of travelers and goods which can promote the spread of infectious diseases. From now on, a health crisis in one region or country can have very rapid repercussions on health and the economy in many parts of the world. Detecting emergences and understanding them through field investigations are essential steps to better control future epidemics and pandemics. Experience: during my professional career, my own work has allowed me to address these three dimensions through three studies that have resulted in publications in international peer-reviewed journals. Study 1) During a nationwide outbreak of Escherichia Coli O104:H4 in 2011, I explored the timeliness of the German surveillance system for detection, and recommended a review of the surveillance system by organizing reporting by doctors and heads of laboratories in a centralized and shared database with different access rights by health services at local, regional and national level. Study 2) Following the influenza pandemic in 2009, I investigated and compared the characteristics of severe pediatric cases in Germany during two epidemic seasons. The unchanged severity of influenza A(H1N1)pdm09 during the first post-pandemic season (2010-11) and the consistently high proportion of possibly hospital-acquired infections highlighted the challenge of preventing pediatric cases beyond the pandemic situation. Study 3) During the Ebola virus (EVD) outbreak in 2014, I evaluated the performance of contact tracing in Liberia as a specific control measure. Despite the unprecedented scale of contact tracing for EVD in Liberia, its ability to detect new cases was limited, especially in urban areas and during the epidemic peak. Discussion: the Covid-19 pandemic has revealed weaknesses in surveillance systems in almost all countries. Lessons learned during previous epidemics and pandemics such as those to which I had been exposed professionally and which I report here have been insufficiently considered. In Africa, estimates of incidence and mortality are respectively 100 times and 15 times higher than official reports. Explanations for these very large differences include weak surveillance systems, insufficient use of contact tracing, screening and diagnostic tests, and lack of access to care. Improving surveillance systems for emerging diseases requires: 1) accelerating the digitization and networking of health information systems at all levels, from health centers and peripheral laboratories to the international level; 2) the capture, effective use and linking of other data sources (communitybased, death registries, animal and environmental data) and the regulated use of the internet and social networks; 3) to strengthen the skills and expertise of field epidemiologists and their networking; 4) to invest in research during and between epidemics; and 5) that donors and governments recognize the inevitability of future epidemics of infectious and other disease conditions with serious consequences, our vulnerability to them and the need to invest in global health

Des études récentes ont montré que parmi les infections émergentes chez l'homme, env. 40% étaient des zoonoses liées à la faune sauvage. La surveillance sanitaire de ces animaux devrait contribuer à améliorer la protection de leur santé et aussi celle des animaux domestiques et des hommes. Notre objectif était de développer des outils de détection de problèmes sanitaires inhabituels dans la faune sauvage, en adoptant une approche syndromique, utilisée en santé humaine, avec des profils pathologiques comme indicateurs de santé non spécifiques. Un réseau national de surveillance des causes de mortalité dans la faune sauvage, appelé SAGIR, a fourni les données. Entre 1986 et 2007, plus de 50.000 cas ont été enregistrés, représentant 244 espèces de mammifères terrestres et d'oiseaux, et attribués à 220 différentes causes de mort. Le réseau a d'abord été évalué pour sa capacité à détecter précocement des événements inhabituels. Des classes syndromiques ont ensuite été définies par une typologie statistique des lésions observées sur les cadavres. Les séries temporelles des syndromes ont été analysées en utilisant deux méthodes complémentaires de détection : un algorithme robuste développé par Farrington et un modèle linéaire généralisé avec des termes périodiques. Les tendances séculaires de ces syndromes et des signaux correspondent a des excès de cas ont été identifiés. Les signalements de problèmes de mortalité inhabituelle dans le bulletin du réseau ont été utilisés pour interpréter ces signaux. L'étude analyse la pertinence de l'utilisation de la surveillance syndromique sur ce type de données et donne des éléments pour des améliorations futures.

Des études récentes ont montré que parmi les infections émergentes chez l'homme, env. 40% étaient des zoonoses liées à la faune sauvage. La surveillance sanitaire de ces animaux devrait contribuer à améliorer la protection de leur santé et aussi celle des animaux domestiques et des hommes. Notre objectif était de développer des outils de détection de problèmes sanitaires inhabituels dans la faune sauvage, en adoptant une approche syndromique, utilisée en santé humaine, avec des profils pathologiques comme indicateurs de santé non spécifiques. Un réseau national de surveillance des causes de mortalité dans la faune sauvage, appelé SAGIR, a fourni les données. Entre 1986 et 2007, plus de 50.000 cas ont été enregistrés, représentant 244 espèces de mammifères terrestres et d'oiseaux, et attribués à 220 différentes causes de mort. Le réseau a d'abord été évalué pour sa capacité à détecter précocement des événements inhabituels. Des classes syndromiques ont ensuite été définies par une typologie statistique des lésions observées sur les cadavres. Les séries temporelles des syndromes ont été analysées en utilisant deux méthodes complémentaires de détection : un algorithme robuste développé par Farrington et un modèle linéaire généralisé avec des termes périodiques. Les tendances séculaires de ces syndromes et des signaux correspondent a des excès de cas ont été identifiés. Les signalements de problèmes de mortalité inhabituelle dans le bulletin du réseau ont été utilisés pour interpréter ces signaux. L'étude analyse la pertinence de l'utilisation de la surveillance syndromique sur ce type de données et donne des éléments pour des améliorations futures
Recent studies have shown that amongst emerging infectious disease events in humans, about 40% were zoonoses linked to wildlife. Disease surveillance of wildlife should help to improve health protection of these animals and also of domestic animals and humans that are exposed to these pathogenic agents. Our aim was to develop tools capable of detecting unusual disease events in free ranging wildlife, by adopting a syndromic approach, as it is used for human health surveillance, with pathological profiles as early unspecific health indicators. We used the information registered by a national network monitoring causes of death in wildlife in France since 1986, called SAGIR. More than 50.000 cases of mortality in wildlife were recorded up to 2007, representing 244 species of terrestrial mammals and birds, and were attributed to 220 different causes of death. The network was first evaluated for its capacity to detect early unusual events. Syndromic classes were then defined by a statistical typology of the lesions observed on the carcasses. Syndrome time series were analyzed, using two complimentary methods of detection, one robust detection algorithm developed by Farrington and another generalized linear model with periodic terms. Historical trends of occurrence of these syndromes and greater-than-expected counts (signals) were identified. Reporting of unusual mortality events in the network bulletin was used to interpret these signals. The study analyses the relevance of the use of syndromic surveillance on this type of data and gives elements for future improvements

La surveillance des maladies infectieuses émergentes est une priorité de santé publique. Des systèmes de surveillance sanitaire existent dans la plupart des Etats, mais se sont avérés insuffisants pour repérer en temps réel des maladies émergentes, en particulier dans les pays ayant une infrastructure laboratoire réduite. Nous explorons l’utilisation de la surveillance sanitaire des voyageurs comme système d’alerte de maladies émergentes dans des pays tiers. Cette étude est centrée sur les pathologies entériques. Dans le cadre d’une étude européenne portant sur les infections à shigella dysenteriae serotype 1, nos résultats indiquent que l’émergence de ce germe en Afrique de l’Ouest aurait pu être détectée 6 ans avant la première déclaration officielle. Nous démontrons également la détection d’un serotype émergent de salmonella en Grèce. Notre travail décrit la capacité de ce système d’alerte à détecter des pathologies entériques émergentes et ouvre des perspectives de recherche.

Malgré des conditions sèches qui prédominent depuis les années 1970, l’Afrique de l’Ouest a subi au cours des deux dernières décennies des épisodes d’inondations sévères qui ont provoqué de nombreux décès et dommages socio-économiques. L’émergence de ce nouveau problème montre une nouvelle facette de la sensibilité de cette région aux changements hydro-climatiques, appelant à une meilleure caractérisation de l’aléa inondation, des processus qui le génèrent, ainsi que la mise en place de méthodes permettant de projeter les évolutions futures de cet aléa pour mieux s’en prémunir.Dans ce contexte, la thèse cherche à répondre à trois questions principales :1) L’augmentation des dommages liés aux inondations s’est-elle accompagnée d’une intensification des crues extrêmes en Afrique de l’Ouest?2) Comment modéliser les orages de mousson, premier facteur de génération du ruissellement, afin d’explorer l’impact de leurs caractéristiques sur les crues?3) Compte tenu des changements climatiques à l’œuvre dans la région, à quelles tendances hydro-climatiques peut-on s’attendre dans le futur ?Dans un premier temps, on évalue l’évolution des crues en Afrique de l’Ouest au cours des soixante dernières années en utilisant de méthodes basées sur la théorie de valeurs extrêmes. Les résultats montrent une augmentation forte des événements hydrologiques extrêmes depuis les années 1970s dans les sous-bassins Sahéliens du fleuve Niger et depuis les années 1980s dans les sous-bassins soudano-guinéens du fleuve Sénégal. Les niveaux de retour calculés à partir des modèles non-stationnaires dépassent ceux qui ont été calculés avec un modèle stationnaire avec plus de 95% de certitude pour les périodes de retour les plus courtes (<10 ans).On présente ensuite des développements récents apportés à un simulateur stochastique d’orages de mousson à meso-échelle (StochaStorm). Ils incluent: une modélisation de l’occurrence de ces orages, la représentation explicite des valeurs de pluie extrêmes et une amélioration du schéma temporel d’intensité infra-événementielle. Implémenté et évalué à partir des donnés haute-résolution de l’observatoire AMMA-CATCH, le générateur montrent de très bonnes capacités à reproduire les propriétés des orages, confirmant son potentiel pour des études d’impact hydrologique.Enfin, une chaîne de modélisation est élaborée afin de proposer des projections hydrologiques pour le futur sur un bassin sahélien de meso-échelle (Dargol, 7000 km²). L’originalité de cette chaîne provient de la prise en compte du continuum d’échelles entre climat global et impact local à travers la représentation du régime des pluies à l’échelle des orages de mousson, dont les propriétés d’occurrence et d’intensité ont des impacts majeurs sur la réponse hydrologique. La chaîne de modélisation inclut le modèle climatique CP4-Africa, unique modèle à convection explicite fournissant des simulations de long terme en Afrique ; une méthode de débiaisage statistique; le simulateur Stochastorm ; et un modèle pluie-débit spécifiquement adapté aux processus hydrologique sahéliens. La chaine est évaluée sur une période de contrôle 1997-2006 puis utilisée pour des projections futures montrant une hausse par un facteur 1,5 des débits maximum annuels et un doublement des volumes moyens annuels à l’horizon 2100.Les résultats ont des implications majeures notamment pour l’ingénierie hydrologique. Les méthodes actuellement utilisées pour appréhender les risques hydrologiques dans la région ne prennent pas en compte la non-stationnarité hydro-climatique risquant de sous-évaluer l’aléa hydrologique et sous-dimensionner les ouvrages hydrauliques utilisés pour s’en protéger. La thèse suggère aussi quelques pistes afin mieux définir les trajectoires hydrologiques passées et futures en incluant, au-delà des précipitations, les changements sociétaux et environnementaux, leurs interactions et rétroactions dans les approches de modélisation
The semi-arid regions of West Africa are known for their dry conditions which have predominated since the 1970s. In recent years, however, West Africa has witnessed a series of severe flooding events which caused widespread fatalities and socioeconomic damages. The emergence of this new problem demonstrates the sensitivity of the region to changes in the hydroclimatic system and calls for an improved characterization of flood hazard and the mechanisms that generate it. It also signals the need to develop projections for how flood hazard may evolve in the future in order to inform appropriate adaptation measures.In this context, the following PhD thesis seeks to answer three main questions:1) Is there a significant trend in extreme streamflow in West Africa, or are the documented flooding events isolated incidences?2) How can one model mesoscale convective systems, the primary driver of runoff in the region, in order to explore the properties of precipitation that drive streamflow?3) Based on potential climate change in the region, what trends might be observed in streamflow in the future?First, changes in extreme hydrological events West Africa over the past 60 years are evaluated by applying non-stationary methods based on extreme value theory. Results show a strong increasing trend in extreme hydrological events since the 1970s in the Sahelian Niger River basin and since the 1980s in the Sudano-Guinean catchments in the Senegal River basin. Return levels calculated from non-stationary models are determined to exceed those calculated from a stationary model with over 95% certainty for shorter return periods (<10 years).Next, recent developments are presented for a stochastic precipitation simulator (Stochastorm) designed for modeling mesoscale convective storms, the main rainfall source in the Sahel. Developments include a model for storm occurrence, the explicit representation of extreme rainfall values, and an improvement in the modeling of sub-event intensities. Using high-resolution data from the AMMA-CATCH observatory, simulation outputs were confirmed to realistically represent key characteristics of MCSs, showing the simulator’s potential for use in impact studies.Finally, a modeling chain for producing future hydrological projections is developed and implemented in a Sahelian river basin (Dargol, 7000km2). The chain is original as it is the first attempt in West Africa to encompass the continuum of scales from global climate to convective storms, whose properties have major impacts on hydrological response and as a result local flood risk. The modeling chain components include the convection-permitting regional climate model (RCM) CP4-Africa, the only RCM (to date) explicitly resolving convection and providing long-term simulations in Africa; a bias correction approach; the stochastic precipitation generator Stochastorm; and a rainfall-runoff model specifically developed for Sahelian hydrological processes. The modeling chain is evaluated for a control period (1997-2006) then for future projections (ten years at the end of the 21st century). Hydrological projections show that peak annual flow may become 1.5-2 times greater and streamflow volumes may double or triple on average near the end of the 21st century compared to 1997-2006 in response to projected changes in precipitation.The results raise critical issues notably for hydrological engineering. Current methods used to evaluate flood risk in the region do not take non-stationarity into account, leading to a major risk of underestimating potential floods and undersizing the hydraulic infrastructure designed for protecting against them. It is also suggested to not only consider rainfall changes but also societal and environmental changes, interactions, and feedbacks in order to better attribute past hydrological hazards and their future trajectories to related causes

Le Réseau National de Vigilance et de Prévention des Pathologies Professionnelles (RNV3P) enregistre au sein d'une base nationale un résumé structuré de chaque consultation réalisée au sein des centres de consultations de pathologies professionnelles. L'objectif est de proposer et tester des méthodes avec lesquelles le RNV3P pourrait être en mesure de renforcer sa capacité de détection précoce de " pathologies professionnelles potentiellement émergentes ", définies comme étant des associations " pathologie x exposition professionnelle ", non préalablement identifiées, et qui semblent justifier d'une exploration complémentaire de part les données internes du RNV3P. Ce travail débute par une analyse des méthodes de surveillance et de détection d'évènements émergents utilisés au sein d'autres vigilances sanitaires (Partie 1). Sept méthodes de Data Mining utilisées en pharmacovigilance pour explorer les bases de notifications spontanées d'effets indésirables médicamenteux suspectés, ont été identifiées, testées et comparées. Finalement, la méthode globale retenue s'appuie sur la détection de signaux avec la méthode " Proportional Reporting Ratio " (PRR), puis leur investigation secondaire à partir de données internes mais aussi externes à la base (Partie 2). Une 2e méthode de mise en évidence d'évènements de santé émergents valorisant directement l'expertise clinique, point fort du réseau, a été formalisée (Partie 3). Enfin, les forces et limites du RNV3P ont été identifiées pour chacune des étapes entre la survenue d'un phénomène de santé émergent en santé-travail, jusqu'à sa prise en charge en termes de prévention, afin de proposer des pistes d'amélioration.

De nombreuses applications génèrent et reçoivent des données sous la forme de flux continu, illimité, et très rapide. Cela pose naturellement des problèmes de stockage, de traitement et d'analyse de données qui commencent juste à être abordés dans le domaine des flux de données. Il s'agit, d'une part, de pouvoir traiter de tels flux à la volée sans devoir mémoriser la totalité des données et, d'autre part, de pouvoir traiter de manière simultanée et concurrente l'analyse des régularités inhérentes au flux de données et celle des nouveautés, exceptions, ou changements survenant dans ce même flux au cours du temps. L'apport de ce travail de thèse réside principalement dans le développement d'un modèle d'apprentissage - nommé ILoNDF - fondé sur le principe de la détection de nouveauté. L'apprentissage de ce modèle est, contrairement à sa version de départ, guidé non seulement par la nouveauté qu'apporte une donnée d'entrée mais également par la donnée elle-même. De ce fait, le modèle ILoNDF peut acquérir constamment de nouvelles connaissances relatives aux fréquences d'occurrence des données et de leurs variables, ce qui le rend moins sensible au bruit. De plus, doté d'un fonctionnement en ligne sans répétition d'apprentissage, ce modèle répond aux exigences les plus fortes liées au traitement des flux de données. Dans un premier temps, notre travail se focalise sur l'étude du comportement du modèle ILoNDF dans le cadre général de la classification à partir d'une seule classe en partant de l'exploitation des données fortement multidimensionnelles et bruitées. Ce type d'étude nous a permis de mettre en évidence les capacités d'apprentissage pures du modèle ILoNDF vis-à-vis de l'ensemble des méthodes proposées jusqu'à présent. Dans un deuxième temps, nous nous intéressons plus particulièrement à l'adaptation fine du modèle au cadre précis du filtrage d'informations. Notre objectif est de mettre en place une stratégie de filtrage orientée-utilisateur plutôt qu'orientée-système, et ceci notamment en suivant deux types de directions. La première direction concerne la modélisation utilisateur à l'aide du modèle ILoNDF. Cette modélisation fournit une nouvelle manière de regarder le profil utilisateur en termes de critères de spécificité, d'exhaustivité et de contradiction. Ceci permet, entre autres, d'optimiser le seuil de filtrage en tenant compte de l'importance que pourrait donner l'utilisateur à la précision et au rappel. La seconde direction, complémentaire de la première, concerne le raffinement des fonctionnalités du modèle ILoNDF en le dotant d'une capacité à s'adapter à la dérive du besoin de l'utilisateur au cours du temps. Enfin, nous nous attachons à la généralisation de notre travail antérieur au cas où les données arrivant en flux peuvent être réparties en classes multiples
Many applications produce and receive continuous, unlimited, and high-speed data streams. This raises obvious problems of storage, treatment and analysis of data, which are only just beginning to be treated in the domain of data streams. On the one hand, it is a question of treating data streams on the fly without having to memorize all the data. On the other hand, it is also a question of analyzing, in a simultaneous and concurrent manner, the regularities inherent in the data stream as well as the novelties, exceptions, or changes occurring in this stream over time. The main contribution of this thesis concerns the development of a new machine learning approach - called ILoNDF - which is based on novelty detection principle. The learning of this model is, contrary to that of its former self, driven not only by the novelty part in the input data but also by the data itself. Thereby, ILoNDF can continuously extract new knowledge relating to the relative frequencies of the data and their variables. This makes it more robust against noise. Being operated in an on-line mode without repeated training, ILoNDF can further address the primary challenges for managing data streams. Firstly, we focus on the study of ILoNDF's behavior for one-class classification when dealing with high-dimensional noisy data. This study enabled us to highlight the pure learning capacities of ILoNDF with respect to the key classification methods suggested until now. Next, we are particularly involved in the adaptation of ILoNDF to the specific context of information filtering. Our goal is to set up user-oriented filtering strategies rather than system-oriented in following two types of directions. The first direction concerns user modeling relying on the model ILoNDF. This provides a new way of looking at user's need in terms of specificity, exhaustivity and contradictory profile-contributing criteria. These criteria go on to estimate the relative importance the user might attach to precision and recall. The filtering threshold can then be adjusted taking into account this knowledge about user's need. The second direction, complementary to the first one, concerns the refinement of ILoNDF's functionality in order to confer it the capacity of tracking drifting user's need over time. Finally, we consider the generalization of our previous work to the case where streaming data can be divided into multiple classes

De nombreuses applications génèrent et reçoivent des données sous la forme de flux continu, illimité, et très rapide. Cela pose naturellement des problèmes de stockage, de traitement et d'analyse de données qui commencent juste à être abordés dans le domaine des flux de données. Il s'agit, d'une part, de pouvoir traiter de tels flux à la volée sans devoir mémoriser la totalité des données et, d'autre part, de pouvoir traiter de manière simultanée et concurrente l'analyse des régularités inhérentes au flux de données et celle des nouveautés, exceptions, ou changements survenant dans ce même flux au cours du temps.

L'apport de ce travail de thèse réside principalement dans le développement d'un modèle d'apprentissage - nommé ILoNDF - fondé sur le principe de la détection de nouveauté. L'apprentissage de ce modèle est, contrairement à sa version de départ, guidé non seulement par la nouveauté qu'apporte une donnée d'entrée mais également par la donnée elle-même. De ce fait, le modèle ILoNDF peut acquérir constamment de nouvelles connaissances relatives aux fréquences d'occurrence des données et de leurs variables, ce qui le rend moins sensible au bruit. De plus, doté d'un fonctionnement en ligne sans répétition d'apprentissage, ce modèle répond aux exigences les plus fortes liées au traitement des flux de données.

Dans un premier temps, notre travail se focalise sur l'étude du comportement du modèle ILoNDF dans le cadre général de la classification à partir d'une seule classe en partant de l'exploitation des données fortement multidimensionnelles et bruitées. Ce type d'étude nous a permis de mettre en évidence les capacités d'apprentissage pures du modèle ILoNDF vis-à-vis de l'ensemble des méthodes proposées jusqu'à présent. Dans un deuxième temps, nous nous intéressons plus particulièrement à l'adaptation fine du modèle au cadre précis du filtrage d'informations. Notre objectif est de mettre en place une stratégie de filtrage orientée-utilisateur plutôt qu'orientée-système, et ceci notamment en suivant deux types de directions. La première direction concerne la modélisation utilisateur à l'aide du modèle ILoNDF. Cette modélisation fournit une nouvelle manière de regarder le profil utilisateur en termes de critères de spécificité, d'exhaustivité et de contradiction. Ceci permet, entre autres, d'optimiser le seuil de filtrage en tenant compte de l'importance que pourrait donner l'utilisateur à la précision et au rappel. La seconde direction, complémentaire de la première, concerne le raffinement des fonctionnalités du modèle ILoNDF en le dotant d'une capacité à s'adapter à la dérive du besoin de l'utilisateur au cours du temps. Enfin, nous nous attachons à la généralisation de notre travail antérieur au cas où les données arrivant en flux peuvent être réparties en classes multiples.

La dissémination d'information explore les chemins pris par l'information qui est transmise dans un réseau social, afin de comprendre et modéliser les relations entre les utilisateurs de ce réseau, ce qui permet une meilleur compréhension des relations humaines et leurs dynamique. Même si la priorité de ce travail soit théorique, en envisageant des aspects psychologiques et sociologiques des réseaux sociaux, les modèles de dissémination d'information sont aussi à la base de plusieurs applications concrètes, comme la maximisation d'influence, la prédication de liens, la découverte des noeuds influents, la détection des communautés, la détection des tendances, etc. Cette thèse est donc basée sur ces deux facettes de la dissémination d'information: nous développons d'abord des cadres théoriques mathématiquement solides pour étudier les relations entre les personnes et l'information, et dans un deuxième moment nous créons des outils responsables pour une exploration plus cohérente des liens cachés dans ces relations. Les outils théoriques développés ici sont les modèles de dynamique d'opinions et de dissémination d'information, où nous étudions le flot d'informations des utilisateurs dans les réseaux sociaux, et les outils pratiques développés ici sont un nouveau algorithme de détection de communautés et un nouveau algorithme de détection de tendances dans les réseaux sociaux
Our aim in this Ph. D. thesis is to study the diffusion of information as well as the opinion dynamics of users in social networks. Information diffusion models explore the paths taken by information being transmitted through a social network in order to understand and analyze the relationships between users in such network, leading to a better comprehension of human relations and dynamics. This thesis is based on both sides of information diffusion: first by developing mathematical theories and models to study the relationships between people and information, and in a second time by creating tools to better exploit the hidden patterns in these relationships. The theoretical tools developed in this thesis are opinion dynamics models and information diffusion models, where we study the information flow from users in social networks, and the practical tools developed in this thesis are a novel community detection algorithm and a novel trend detection algorithm. We start by introducing an opinion dynamics model in which agents interact with each other about several distinct opinions/contents. In our framework, agents do not exchange all their opinions with each other, they communicate about randomly chosen opinions at each time. We show, using stochastic approximation algorithms, that under mild assumptions this opinion dynamics algorithm converges as time increases, whose behavior is ruled by how users choose the opinions to broadcast at each time. We develop next a community detection algorithm which is a direct application of this opinion dynamics model: when agents broadcast the content they appreciate the most. Communities are thus formed, where they are defined as groups of users that appreciate mostly the same content. This algorithm, which is distributed by nature, has the remarkable property that the discovered communities can be studied from a solid mathematical standpoint. In addition to the theoretical advantage over heuristic community detection methods, the presented algorithm is able to accommodate weighted networks, parametric and nonparametric versions, with the discovery of overlapping communities a byproduct with no mathematical overhead. In a second part, we define a general framework to model information diffusion in social networks. The proposed framework takes into consideration not only the hidden interactions between users, but as well the interactions between contents and multiple social networks. It also accommodates dynamic networks and various temporal effects of the diffusion. This framework can be combined with topic modeling, for which several estimation techniques are derived, which are based on nonnegative tensor factorization techniques. Together with a dimensionality reduction argument, this techniques discover, in addition, the latent community structure of the users in the social networks. At last, we use one instance of the previous framework to develop a trend detection algorithm designed to find trendy topics in a social network. We take into consideration the interaction between users and topics, we formally define trendiness and derive trend indices for each topic being disseminated in the social network. These indices take into consideration the distance between the real broadcast intensity and the maximum expected broadcast intensity and the social network topology. The proposed trend detection algorithm uses stochastic control techniques in order calculate the trend indices, is fast and aggregates all the information of the broadcasts into a simple one-dimensional process, thus reducing its complexity and the quantity of necessary data to the detection. To the best of our knowledge, this is the first trend detection algorithm that is based solely on the individual performances of topics

Les tentatives de redéfinir l’identité à partir d’une perspective d’auto-enfermement sont au cœur du débat contemporain. Le contexte de la crise favorise ces tendances. En effet, les difficultés croissantes de la construction postnationale de l’Union Européenne et les problèmes du développement postindépendance en Afrique suscitent un regain d’intérêt qui se manifeste dans des oppositions et des crispations idéologiques sur les limites, la nature et la vocation de l’après nation. Cependant, entre l’identité et l’identitarisme, il existe un grand fossé que je compte discuter dans cet article, en m’appuyant sur la nécessité de « deracialiser » la notion de l’identité.

Depuis le début des années 2000, les autorités sanitaires internationales ont observé une accélération de l’apparition ou la réapparition de maladies au fort potentiel épidémique. Ces émergences, ou réémergences, sont liées à plusieurs facteurs favorisants : le dérèglement climatique, la mondialisation de l’activité humaine et les importants flux de voyageurs ou de migrants. Les Forces armées françaises en opération sont exposées au risque de ces maladies émergentes. La compréhension de ces phénomènes est essentielle pour orienter la mise en place de mesures de prévention, ou de contre-mesures efficaces en cas d’épidémie au sein des forces. Dans cet article, après avoir expliqué les facteurs favorisants l’apparition des maladies émergentes et leur propagation, nous revenons sur plusieurs exemples récents d’émergence ou de réémergence virale et sur le risque encouru par les militaires français. Puis nous exposons quelques exemples d’outils pour la détection précoce de ces maladies.

Tandis que la dynamique sociopolitique des conflits et de l’insécurité continue à évoluer en Afrique du Nord et au Sahel, les efforts visant à mettre la priorité sur l’exploration des tendances actuelles et émergentes de l’extrémisme violent restent importants. Depuis des décennies, les conflits violents, la mauvaise gestion des ressources, les changements environnementaux et la faiblesse des gouvernements (par manque de capacité institutionnelle ou en résultante d’une approche élitiste prédatrice) ont contribué à des cycles d’instabilité et de fragilité de l’État. Les organisations extrémistes violentes comme Boko Haram, al-Qaeda et l’État islamique autoproclamé et ses affiliés ont profité de cette instabilité. Tandis que les groupes, les tactiques et les contextes continuent d’évoluer, il est indispensable d’accorder une plus grande attention aux menaces actuelles et émergentes pour la paix et la stabilité dans la région. En 2018, le RESOLVE Network a réuni plus de 30 chercheurs, praticiens et responsables politiques internationaux, régionaux et locaux possédant diverses compétences en matière de gouvernance locale, de développement, de prévention et de lutte contre l’extrémisme violent (P/CVE) dans le bassin du lac Tchad et la région proche. Les sujets identifiés ici résultent de l’évaluation collective par les participants de la dynamique actuelle, de l’expertise, de la compréhension approfondie et de la détermination à poursuivre l’analyse des tendances et dynamiques de l’extrémisme violent (EV) dans la région.