Literatura científica selecionada sobre o tema "Prédiction de la qualité des odeurs"

L’olfaction est une modalité sensorielle cruciale sur le plan cognitif et affectif ainsi que pour la qualité de vie des êtres humains. Cependant, ce sens a longtemps été négligé dans le champ du polyhandicap. Trois études portant sur les habiletés olfactives de 20 à 22 enfants et jeunes polyhandicapés ont permis de mettre en évidence leurs capacités à détecter des odeurs, à manifester des réactions de plaisir ou de déplaisir en fonction de la nature plaisante ou non des odeurs, ainsi qu’à s’habituer à une odeur présentée de manière répétée et rapprochée dans le temps. Ces résultats permettent d’encourager les milieux accompagnant ces personnes à utiliser davantage les odeurs à des fins d’étayage affectif et d’apprentissage.

Cet article fait le point sur les développements techniques récents en matière de prédiction des qualités technologiques et sensorielles des viandes de volaille. Trois composantes de la qualité sont considérées : la qualité des carcasses, la qualité des viandes et l’authenticité qui correspond à une demande croissante de la part des producteurs, des distributeurs et des consommateurs. Les différentes applications de ces nouvelles méthodes sont exposées. Elles ont l’avantage d’être précises, robustes et non destructives. Toutefois, leur coût est souvent élevé et leur mise en œuvre dans le secteur industriel s’avère, à ce jour, difficile.

La castration précoce du porc mâle entraîne des modifications importantes du métabolisme de l’animal, favorisant le dépôt des lipides au détriment de la fixation de protéines. La production de viandes de porc mâle entier permet ainsi une amélioration sensible de l’efficacité alimentaire et de la qualité des carcasses. Les viandes de porc mâle entier se caractérisent par des différences mineures de composition chimique des tissus, des graisses plus insaturées et par la présence des odeurs sexuelles. Le scatol et l’androsténone sont les deux déterminants majeurs de la manifestation de ces odeurs désagréables, mais les importances respectives de chacun de ces 2 composés ne sont pas encore clairement établies. La transformation en produits de charcuterie offre de nombreuses possibilités d’utilisation des viandes défectueuses. Le tri sur la chaîne d’abattage des viandes présentant des odeurs sexuelles n’est possible que de façon grossière et imparfaite. il n’existe pour l’instant aucun moyen de produire des verrats que l’on puisse garantir indemnes de défaut d’odeurs sexuelles. Les voies génétique et immunologique offrent des possibilités intéressantes qu’il faut explorer plus avant pour en démontrer la faisabilité sur les plans zootechnique et économique.

L'objet de cette recherche est de vérifier si, comme l'affirment Cronin et Taylor (1992), mesurer la qualité de service par un score de différence n'ajoute rien à la prédiction empirique de ses composantes. Une première partie présente les deux principales approches de la qualité de service : l'approche par l'évaluation des écarts et l'approche analytique des performances de l'entreprise. Une seconde partie compare, sur les critères de fiabilité et de validité, deux versions adaptées des échelles de Parasuraman, Zeithaml et Berry (1988) et de Cronin et Taylor (1992). Les résultats obtenus confirment que SERVQUAL et SERVPERF évaluent bien le même construit mais ce dernier est appréhendé de façon différente. SERVQUAL est un bon outil de mesure permettant d'obtenir, à un instant donné, le niveau de qualité de service perçue d'un acheteur. Alors que SERVPERF est une formule expliquant comment ce niveau d'attitude a été atteint.

Résumé Cet article analyse la relation entre la participation parentale et le rendement scolaire d'enfants de deuxième année du primaire. L'échantillon compte 80 familles et regroupe 47 filles et 33 garçons. Effectuée au moyen de tests standardisés, la collecte des données cible les habiletés intellectuelles, le rendement scolaire, la participation des parents à la vie scolaire (attentes, attributions quant au rendement, fréquence et qualité des contacts avec l'école, durée des devoirs, comportement de l'enfant et des parents pendant les devoirs). Les résultats montrent, entre autres, qu'au-delà des caractéristiques individuelles et familiales, les facteurs de prédiction de la réussite scolaire des enfants différent pour les mères et les pères, et que c'est surtout la qualité des contacts famille-école qui est associée au rendement scolaire des enfants.

L’article décrit la suite d’une expérience dans laquelle avait été établie la prédiction des consommations et excrétions d’eau chez les dindonneaux de chair. Les résultats présentés ici sont relatifs à la prédiction de l’état physique des excretas. Les excretas de dindonneaux nourris avec 27 régimes granulés différents sont caractérisés pour leur pouvoir collant à l’aide d’un rhéomètre destiné aux matériaux pâteux. Des notes visuelles de déstructuration sont également attribuées aux excretas. Le pouvoir collant et la note de déstructuration des excretas sont positivement corrélés entre eux (R2 = 0,26 ; n = 216) et sont chacun positivement corrélés à la teneur en eau des excretas (R2 = 0,23 et R2 = 0,55, respectivement ; n = 216). Ces mesures (valeurs moyennes par régime) sont reliées aux caractéristiques des régimes par régressions linéaires multiples. Les meilleures équations comportent les deux variables "viscosité utile réelle" (VUR) et "eau retenue par les parois végétales" (Eau-PAR). Les variables VUR et Eau-PAR sont respectivement affectées de coefficients positifs et négatifs. Les R2 des régressions sont de 0,485 et 0,819 pour le pouvoir collant et la note de déstructuration des excretas, respectivement. La rétention d’eau des parois végétales des régimes dépend de la rétention d’eau des parois des matières premières utilisées, qui varie dans un rapport de 1 à 4, et de la température en sortie de presse. Les plus fortes températures entraînent une réduction du pouvoir de rétention d’eau des parois végétales.

Les mammifères identifient et interprètent une myriade de stimuli olfactifs par un mécanisme de codage complexe reposant sur la reconnaissance des molécules odorantes par des centaines de récepteurs olfactifs (RO). Ces interactions génèrent des combinaisons uniques de récepteurs activés, appelées code combinatoire, que le cerveau humain interprète comme la sensation que nous appelons l'odeur. Jusqu'à présent, le grand nombre de combinaisons possibles entre les récepteurs et les molécules a empêché une étude expérimentale à grande échelle de ce code et de son lien avec la perception des odeurs. La révélation de ce code est donc cruciale pour répondre à la question à long terme de savoir comment nous percevons notre environnement chimique complexe. Les RO appartiennent à la classe A des récepteurs couplés aux protéines G (RCPG) et constituent la plus grande famille multigénique connue. Pour étudier de façon systématique le codage olfactif, nous avons développé M2OR, une base de données exhaustive compilant les 25 dernières années d'essais biologiques sur les RO. À l'aide de cet ensemble de données, un modèle d'apprentissage profond sur mesure a été conçu et entraîné. Il combine l'intégration de jetons [CLS] d'un modèle de langage des protéines avec des réseaux de neurones en graphes et un mécanisme d'attention multi-têtes. Ce modèle prédit l'activation des RO par les odorants et révèle le code combinatoire résultant pour toute molécule odorante. Cette approche est affinée en développant un nouveau modèle capable de prédire l'activité d'un odorant à une concentration spécifique, permettant alors d'estimer la valeur d'EC50 de n'importe quelle paire OR-odorant. Enfin, les codes combinatoires dérivés des deux modèles sont utilisés pour prédire la perception olfactive des molécules. En incorporant des biais inductifs inspirés par la théorie du codage olfactif, un modèle d'apprentissage automatique basé sur ces codes est plus performant que l'état de l'art actuel en matière de prédiction d'odeurs. À notre connaissance, il s'agit de l'application la plus aboutie liant le code combinatoire à la prédiction de l'odeur d'une molécule. Dans l'ensemble, ce travail établit un lien entre les interactions complexes molécule odorante-récepteur et la perception humaine
Mammals identify and interpret a myriad of olfactory stimuli using a complex coding mechanism involving interactions between odorant molecules and hundreds of olfactory receptors (ORs). These interactions generate unique combinations of activated receptors, called the combinatorial code, which the human brain interprets as the sensation we call smell. Until now, the vast number of possible receptor-molecule combinations have prevented a large-scale experimental study of this code and its link to odor perception. Therefore, revealing this code is crucial to answering the long-term question of how we perceive our intricate chemical environment. ORs belong to the class A of G protein-coupled receptors (GPCRs) and constitute the largest known multigene family. To systematically study olfactory coding, we develop M2OR, a comprehensive database compiling the last 25 years of OR bioassays. Using this dataset, a tailored deep learning model is designed and trained. It combines the [CLS] token embedding from a protein language model with graph neural networks and multi-head attention. This model predicts the activation of ORs by odorants and reveals the resulting combinatorial code for any odorous molecule. This approach is refined by developing a novel model capable of predicting the activity of an odorant at a specific concentration, subsequently allowing the estimation of the EC50 value for any OR-odorant pair. Finally, the combinatorial codes derived from both models are used to predict the odor perception of molecules. By incorporating inductive biases inspired by olfactory coding theory, a machine learning model based on these codes outperforms the current state-of-the-art in smell prediction. To the best of our knowledge, this is the most comprehensive and successful application of combinatorial coding to odor quality prediction. Overall, this work provides a link between the complex molecule-receptor interactions and human perception

L'objectif de ce travail est l'étude de l'adsorption de composés volatils à caractère odorant sur matériaux absorbants en vue de leur analyse physico-chimique. L'analyse des composés odorants grâce à des outils analytiques performants tels la Chromatographie en phase gazeuse couplée à la Spectrométrie de Masse, nécessitent néanmoins souvent une étape préconcentration des gaz pour atteindre leurs seuils de détection. Une technique facile à mettre en œuvre est l'adsorption sur cartouches remplies d'adsorbants, la récupération de l'échantillon s'effectuant généralement par voie thermique. Dans ce contexte, le choix du bon adsorbant possédant des capacités d'adsorption importantes et une certaine sélectivité vis-à-vis des molécules odorantes n'est pas aisée. Ce travail a permis de tester certains adsorbants communément utilisés à savoir le Carboviese SIII, le Carboxen 564, le arboxen 569, l'HayeSepQ et enfin le Tenax TA. L'adsorbant exclusivement microporeux se révèle être le plus efficace pour l'adsorption des molécules odorantes modèles choisis dans les trois familles odorantes (oxygénés, azotés et soufrés). Une étude sur des combinaisons d'adsorbants n'a montré aucune amélioration de l'adsoption de ces mêmes molécules même dans le cas d'un mélange complexe sauf pour le 1-propanethiol. Enfin, une étude sur un effluent issu de l'industrie de pâte à papier a montré l'importance de l'effet de matrice d'un tel effluent. Il faut s'affranchir de cette matrice, majoritairement constituée de composés terpéniques, pour exploiter les capacités des adsorbants. Tout d'abord le Carboxen 564 semble montrer les caractéristiques les plus intéressantes du fait de l'aptitude de ce dernier à piéger tant les composés lourds que légers. D'autre part, cette fois, les lélanges d'adsorbants de type HayeSepQ-Carbosieve SIII ou HayeSepQ-Carboxen 564 semblent être intéressants pour le prélèvement de cet effluent
The objective of this work is the study of the adsoption of volatile compounds in odorous matter on adsorbent materials before their physicochemical analysis. The analysis of the odorous compounds thanks to powerful analytical tools such as Gas chromatography coupled with Mass Spectrometry, often require a concentration stage of gases to reach the thresholds of detection. A technique, easy to omplement, is adsorption on cartridges filled with adsorbents, the recovery of th sample being generally carried out by a thermal way. In this context, the choice of the adsorbent having significant capacities of adsorption and a certain selectivity with respect to the odorous molecules is not easy. The aim of the work was to test adsorbents commonly used for instance Carbosieve SIII, Carboxen 564, Carboxen 569, HayeSepQ and finally Tenax TA. The exclusively microporous adsorbent proves to be most effective for the adsorption of the model odorous molecules selected in the three odorous families (oxygenated, nitrogenated and sulphur). A study on combinations of adsorbents did not show any improvement of the adsoption of these same molecules even in the case of a complex mixtures except for the 1-propanethiol. Lastly, a study on an effluent resulting from the paper pulp industry showed the importance of the matrix. It is necessary to be freed from this matrix, mainly made up of terpenic compounds, to exploit the capacities of the adsorbents. First of all Carboxen 564 seems to show the most interesting characteristics because of its aptitude to trap as well heavy compounds then light compounds. In addition, this time, the mixtures of adsorbents such as HayeSepQ-Carbosieve SIII or HayeSepQ-Carboxen 564 seem to be interesting for trapping this complex effluent

Caractériser la qualité d’une odeur est une tâche complexe qui consiste à identifier un ensemble de descripteurs qui synthétise au mieux la sensation olfactive au cours de séances d’analyse sensorielle. Généralement, cette caractérisation est une liste de descripteurs extraite d’un vocabulaire imposé par les industriels d’un domaine pour leurs analyses sensorielles. Ces analyses représentent un coût significatif pour les industriels chaque année. En effet, ces approches dites orientées reposent sur l’apprentissage de vocabulaires, limitent singulièrement les descripteurs pour un public non initié et nécessitent de couteuses phases d’apprentissage. Si cette caractérisation devait être confiée à des évaluateurs naïfs, le nombre de participants pourrait être significativement augmenté tout en réduisant le cout des analyses sensorielles. Malheureusement, chaque description libre n’est alors plus associée à un ensemble de descripteurs non ambigus, mais à un simple sac de mots en langage naturel (LN). Deux problématiques sont alors rattachées à la caractérisation d’odeurs. La première consiste à transformer des descriptions en LN en descripteurs structurés ; la seconde se donne pour objet de résumer un ensemble de descriptions formelles proposées par un panel d’évaluateurs en une synthèse unique et cohérente à des fins industrielles. Ainsi, la première partie de notre travail se focalise sur la définition et l’évaluation de modèles qui peuvent être utilisés pour résumer un ensemble de mots en un ensemble de descripteurs désambiguïsés. Parmi les différentes stratégies envisagées dans cette contribution, nous proposons de comparer des approches hybrides exploitant à la fois des bases de connaissances et des plongements lexicaux définis à partir de grands corpus de textes. Nos résultats illustrent le bénéfice substantiel à utiliser conjointement représentation symbolique et plongement lexical. Nous définissons ensuite de manière formelle le processus de synthèse d’un ensemble de concepts et nous proposons un modèle qui s’apparente à une forme d’intelligence humaine pour évaluer les résumés alternatifs au regard d’un objectif de synthèse donné. L’approche non orientée que nous proposons dans ce manuscrit apparait ainsi comme l’automatisation cognitive des tâches confiées aux opérateurs des séances d’analyse sensorielle. Elle ouvre des perspectives intéressantes pour développer des analyses sensorielles à grande échelle sur de grands panels d’évaluateurs lorsque l’on essaie notamment de caractériser les nuisances olfactives autour d’un site industriel
Characterizing the quality of smells is a complex process that consists in identifying a set of descriptors best summarizing the olfactory sensation. Generally, this characterization results in a limited set of descriptors provided by sensorial analysis experts. These sensorial analysis sessions are however very costly for industrials. Indeed, such oriented approaches based on vocabulary learning limit, in a restrictive manner, the possible descriptors available for any uninitiated public, and therefore require a costly vocabulary-learning phase. If we could entrust this characterization to neophytes, the number of participants of a sensorial analysis session would be significantly enlarged while reducing costs. However, in that setting, each individual description is not related to a set of non-ambiguous descriptors anymore, but to a bag of terms expressed in natural language (NL). Two issues are then related to smell characterization implementing this approach. The first one is how to translate such NL descriptions into structured descriptors; the second one being how to summarize a set of individual characterizations into a consistent and synthetic unique characterization meaningful for professional purposes. Hence, this work focuses first on the definition and evaluation of models that can be used to summarize a set of terms into unambiguous entity identifiers selected from a given ontology. Among the several strategies explored in this contribution, we propose to compare hybrid approaches taking advantages of knowledge bases (symbolic representations) and word embeddings defined from large text corpora analysis. The results we obtain highlight the relative benefits of mixing symbolic representations with classic word embeddings for this task. We then formally define the problem of summarizing sets of concepts and we propose a model mimicking Human-like Intelligence for scoring alternative summaries with regard to a specific objective function. Interestingly, this non-oriented approach for identifying the quality of odors appears to be an actual cognitive automation of the task today performed by expert operators in sensorial analysis. It therefore opens interesting perspectives for developing scalable sensorial analyses based on large sets of evaluators when assessing, for instance, olfactory pollution around industrial sites

Pendant longtemps la qualité olfactive n'a été appréhendée que par le biais de classifications plus intuitives qu'expérimentales. A partir de Woskow (1968), apparaissent les premières mesures de similitudes olfactives établies par interrogation de sujets humains. Simultanément se développent des mesures de profils sémantiques d'odeurs, dont l'atlas de Dravnieks (1985) (160 odorants x 146 descripteurs sémantiques). Enfin, une troisième voie a également été explorée par plusieurs auteurs, celle des profils de similitudes vis-à-vis d'un nombre limité de substances références. En s'appuyant sur les données publiées dans ces trois types de mesures et sur de nouvelles mesures expérimentales, il a pu être établi tout d'abord que la loi de passage des profils sémantiques aux similitudes se fait au moyen du modèle ratio de Tversky (1977), avec un nombre optimal de descripteurs semblant se situer aux environs de 40. Il a également été montré que le modèle le plus approprié de passage des profils de similitudes aux similitudes est celui d'une distance euclidienne pondérée dénommée PS, avec un nombre optimal de substances références se situant aux environs de 20. Ces résultats ont permis d'établir, sur la base de règles statistiques précises, une banque homogène de 16447 similitudes olfactives, se rapportant à 259 odorants. Un résultat inattendu de cette banque homogène est son caractère d'environnement culturel nord-américain, excluant, de surcroit, les sujets professionnels de la parfumerie. A ces résultats s'ajoutent la vérification, sur la base des données actuellement disponibles, que l'adaptation croisée et les phénomènes de synergie et d'inhibition dans les mélanges ne constituent pas des mesures indirectes appropriées de la qualité olfactive. Ont également été explorées les relations complexes existant entre qualité, intensité perçue et caractère hédonique des odeurs. Enfin, a été proposée une amélioration du protocole expérimental habituellement utilisé pour établir des similitudes olfactives à partir de réponses de sujets humains.

De nos jours, nous dépendons énormément sur les activités en ligne telles que l'envoi de courriels à des collègues, la lecture de nouvelles, la réservation de billets de vol et les services VoIP pour rester en contact avec la famille et les amis. Bien que l'Internet fonctionne bien la plupart du temps, la dégradation des performances du réseau se produit encore. Cette thèse développe une méthodologie de prédiction automatique de l'insatisfaction des utilisateurs avec la performance du réseau pour toutes les applications de l'Internet actives sur l'ordinateur. Nous suivons trois étapes pour combler l'écart entre la performance des applications réseau et l'insatisfaction des utilisateurs. Tout d'abord, nous développons HostView, un outil qui fonctionne sur les ordinateurs des utilisateurs et qui collecte des mesures de performance du réseau annotées avec la perspective des utilisateurs. En plaçant la collecte de données sur l'ordinateur de l'utilisateur, nous obtenons le point de vue de l'utilisateur sur la performance du réseau et d'observer l'utilisateur à partir d'un certain nombre d'environnements réseau différents, tels que la maison, le travail, les cafés ou les aéroports. Notre deuxième étape consiste à analyser si les performances du réseau d'un ordinateur (par exemple, les débits et les délais aller-retour) sont très différentes d'un environnement à l'autre. Enfin, nous développons des prédicteurs de l'insatisfaction des utilisateurs avec les performances du réseau. Chaque prédicteur est un classificateur binaire (utilisateur satisfait ou pas) basé sur un ensemble clé de caractéristiques qui sont compilées à partir des mesures de performance du réseau
Network disruptions can adversely impact a user's web browsing, cause video and audio interruptions, or render web sites and services unreachable. Such problems are frustrating to Internet users, who are oblivious to the underlying problems, but completely exposed to the service degradations. This thesis develops a methodology to automatically predict user dissatisfaction with network application performance. We follow an empirical approach. We design HostView to collect network performance data annotated with user feedback at the end-hosts. Our first contribution is to present the results of a survey we did with 400 computer scientists to collect their perspectives on privacy issues and willingness to provide feedback. Guided by the survey results, we implement a first prototype of HostView to evaluate the CPU overhead of candidate techniques to collect network performance data. Then, we implement a second prototype of HostView to tune our algorithm for collecting user feedback to minimize the user annoyance. We recruit users in a large-scale release of HostView. Our user population connects from different networking environments (e. G. , work, home, or coffee shop). Thus, we investigate if the network performance depends on the networking environment. Our third contribution is to show that for most users RTTs and download data rates are significantly different across networking environments. The mix of application determines data rates but it is the environment that determines RTTs. Finally, our fourth contribution is to develop predictors of user dissatisfaction with network application performance. Our predictors consistently achieve true positive rates above 0. 9

Ce travail a été effectué afin de mieux comprendre la déstabilisation du lait UHT dont le lait cru a été préalablement contaminé par des bactéries du genre Pseudomonas. La spectroscopie infrarouge à transformée de Fourier (IRTF) a été explorée afin de détecter cette cause et de prédire la stabilité des laits avant leurs transformations technologiques. Premièrement, la sélection de 32 souches du genre Pseudomonas en fonction de leur caractère protéolytique nous a montré qu’il existait une variabilité de protéolyse au sein de ses souches. Deuxièmement, le suivi de la stabilité de laits UHT préalablement et indépendamment inoculés par 9 souches de P. Fluorescens au caractère protéolytique différent, a montré que cette hétérogénéité de protéolyse existait aussi dans le lait UHT. L’addition de la protéase AprX, dans le lait cru avant traitement UHT a également engendré une déstabilisation du lait UHT avant la fin des 90 jours de stockage confirmant le rôle de cette enzyme dans le phénomène de déstabilisation. La déstabilisation se traduisait par des augmentations des teneurs en azote non caséinique (NCN), nous indiquant une protéolyse des micelles de caséines. Les résultats obtenus par l’analyse HPLC couplée à la spectrométrie de masse des fractions NCN des laits déstabilisés ont montré qu’AprX avait un large spectre d’action et était capable d’hydrolyser les caséines β, s1, s2 et κ. Troisièmement, la spectroscopie IRTF nous a permis de déterminer le seuil de détection d’un lait contaminé par une bactérie du genre Pseudomonas ainsi que le seuil de discrimination d'un lait contenant des Pseudomonas protéolytiques d’un lait contenant des Pseudomonas non protéolytiques (5. 102 UFC/mL). Cependant, des travaux supplémentaires sont à réaliser afin que la spectroscopie IRTF soit utilisée comme un outil de prédiction de la stabilité des laits
This work has been conducted to understand the destabilization of UHT milk with raw milk previously contaminated by proteolytic Pseudomonas. Infrared spectroscopy Fourier transform has been explored in order to detect the cause and predict the stability of milk before their technological transformations. First, the selection of 32 strains of the genus Pseudomonas based on their proteolytic character has shown that there is a variability of proteolysis. In a second step, the monitoring of the stability of UHT milk previously and independently inoculated by nine strains of P. Fluorescens, with different proteolytic potential, showed that this heterogeneity of proteolysis also happened in UHT milk. The addition of protease AprX in raw milk before UHT treatment also resulted in a destabilization of UHT milk before the end of 90 days of storage, confirming the role of this enzyme in the phenomenon of destabilization. For each experiment performed, the destabilization resulted in increases of non-casein nitrogen contents (NCN), indicating proteolysis of casein micelles. The results obtained by HPLC analysis coupled with mass spectrometry of NCN fractions of milk destabilized showed that AprX had a large action spectrum and was able to hydrolyze β,  s1, s2 and κ casein. In a third step, FTIR spectroscopy allowed us to determine the threshold for detection of milk contaminated with bacteria of the genus Pseudomonas and the discrimination threshold of milk containing proteolytic Pseudomonas from milk containing non-proteolytic Pseudomonas (5. 102 CFU / mL). However, further works have to be undertaken to use FTIR spectroscopy as a tool for predicting the stability of milk

La navigation Web est l'un des principaux services de l’Internet où un large éventail d'acteurs est impliqué et évolue de manière constante. Les nouveaux protocoles de l’Internet, les réseaux de diffusion de contenu (CDN) ou encore les évolutions des différents navigateurs Web sont destinés à améliorer les temps de chargement des pages. Pour mieux comprendre la Qualité d'Expérience (QoE) perçue par les utilisateurs, il est donc essentiel d’identifier comment le contenu des pages est constitué et délivré et de fournir une métrique de QoE pertinente. Dans cette thèse, nous avons conçu un nouvel outil, Web View, destiné à effectuer des sessions de navigation Web automatisées et mesurant de nombreuses informations liées à l’écosystème du Web. Nous avons aussi défini une nouvelle métrique Web, le Time for Full Visual Rendering (TFVR). À partir de plus de 18 trillions de mesures effectuées pendant 2,5 ans sur les 10,000 sites Web les plus visités (selon la classification Alexa), nous avons utilisé des techniques statistiques pour identifier les paramètres clés qualifiant et quantifiant la qualité de la navigation Web. Cet ensemble de facteurs a été confirmé par un processus d'apprentissage automatique, donnant en sortie un ensemble de règles pour prédire les temps de chargement des pages Web. Pour les pages Web où des fluctuations dans les temps de chargement sont fréquentes, nous avons utilisé des modèles de chaines de Markov cachées suivant un processus de Dirichlet hiérarchique (HDP-HMM) pour enrichir notre modèle et ainsi augmenter le taux de prédiction correspondant. L'évaluation de notre modèle basé sur un arbre de décision sur des sites Web jamais mesurés montre que nous pouvons prédire correctement la qualité de la navigation Web. Ces travaux visent ainsi à permettre aux opérateurs de réseaux et aux fournisseurs de services d’augmenter la Qualité de Service (QoS) offerte à leurs clients
Web browsing is one of the main Internet services where a wide set of actors are involved and evolves constantly. New Internet protocols, Content Delivery Networks (CDN) or web browsers’evolutions are meant to improve web pages’ loading times. In order to better understand the Quality of Experience (QoE) perceived by end-users, it is of prime importance to identify how web pages’ content is composed and delivered as well as providing are levant QoE metric. In this thesis, we have designed a new tool, Web View, meant to perform automatic Web browsing and measures several aspects of the Web browsing eco-system. We have also introduced a new web metric, the Time for Full Visual Rendering (TFVR). From more than 18 Trillion measurements performed over 2.5 years on the Top 10,000 Alexa websites, we have used statistical techniques to identify the key parameters qualifying and quantifying web browsing quality. This set of factors has been confirmed by a machine learning process, which gives as output the set of rules to predict web pages’ loading times. For websites where fluctuations in loading times happen regularly, we have used the Hierarchical Dirich let Process Hidden Markov Model (HDP-HMM) to enrich our rulesbased models in order to increase the correctness in prediction rates. The evaluation of our decision treebased model on never assessed websites shows that we can correctly predict web browsing quality. This work aims at helping network operators and service providers to increase the Quality of Service (QoS) offered to their customers