» Extraction d’informations et analyse de données basées sur les ontologies et l’apprentissage automatique pour l’aide à la décision : Application au domaine automobile”
Lundi 25 novembre 2024, université de Bourgogne.
Composition du Jury
Rapporteurs :
M. Clement JONQUET, Directeur de recherche, INRAE UMR Mistea
M. Didier SCHWAB, Professeur des universités, Université Grenoble Alpes
Examinateurs :
Mme. Cassia TROJAHN, Professeure des Universités, Université Grenoble Alpes
Mme. Fatiha SAIS, Professeure des Universités, Université Paris Saclay
Mme. Nadine Cullot, Professeure des Universités, Université de Bourgogne
Direction de Thèse :
Mme. Lylia Abrouk, Maître de conférences HDR, Université de Bourgogne
Résumé :
Le domaine automobile est confronté à une explosion exponentielle du volume de données, avec des gestionnaires qui doivent mettre en place des stratégies innovantes pour le partage et l’analyse des données générées par les différents acteurs. Cette thèse se concentre sur les enjeux importants liés à la gestion et à l’exploitation de ces données. La complexité et la diversité des données, souvent non structurées, rendent leur analyse et leur utilisation difficiles, limitant ainsi la prise de décisions éclairées pour répondre aux enjeux stratégiques. Pour relever ces défis, cette thèse propose des solutions innovantes basées sur l’intégration de techniques d’apprentissage automatique et la construction d’ontologies de domaine. Ces méthodes permettent d’extraire des informations pertinentes à partir de données non structurées, d’estimer les coûts de réparation des dommages et d’améliorer la prévision des ventes. Dans le cadre de ce travail, nous avons implémenté l’outil CarDRP, destiné à valider les approches développées dans cette thèse.
