Publié le

Soutenance de thèse de Oussama Bey.

Oussama Bey, doctorant de l’équipe SIRIUS soutiendra sa thèse le 27 janvier 2026 en Amphi RT, campus de Vitry-sur-Seine de l’UPEC-120 rue Paul Armangot, 94400 Vitry-sur-Seine.

Titre : Approches de commande robustes et adaptatives pour une orthèse active cheville-pied
Directeur de thèse : Yacine Amirat

Aperçu général :

« Les exosquelettes des membres inférieurs représentent une avancée majeure en robotique d’assistance, visant à restaurer ou améliorer les capacités motrices humaines en fournissant des couples d’assistance aux articulations de la hanche, du genou et de la cheville. Parmi ces exosquelettes, l’orthèse active cheville-pied (AAFO) joue un rôle clé dans le soutien des mouvements de dorsiflexion et de flexion plantaire du pied, contribuant à corriger le phénomène de pied tombant et à assurer un dégagement adéquat du pied. Le succès de tels dispositifs repose sur des approches de commande avancées garantissant un suivi précis des trajectoires, une robustesse face aux incertitudes paramétriques et aux perturbations externes, ainsi qu’une détection rapide du mode de locomotion du porteur (contexte de marche) afin de fournir une assistance adaptée en temps opportun dans des situations telles que la marche sur terrain plat, la montée et la descente d’escaliers, ainsi que la montée et la descente de rampes. Cette thèse développe des approches de commande avancées pour une AAFO selon le paradigme “assist-as-needed”, en veillant à ce que seul le niveau d’assistance nécessaire soit fourni à l’utilisateur. »

Publié le

Exposé scientifique

Titre : Dynamiser la recherche avec l'Open Research Knowledge Graph (ORKG)
Date et heure : 18 décembre 2024, à 17h

Conférencière : Dr. Sanju Tiwari

Introduction :
L'Open Research Knowledge Graph (ORKG) est une initiative révolutionnaire qui vise à transformer la manière dont les connaissances scientifiques sont structurées, partagées et exploitées. En utilisant des approches sémantiques avancées, l'ORKG offre un environnement collaboratif pour organiser les résultats de la recherche sous forme de graphes de connaissances interconnectés. Cette approche permet non seulement de rendre les recherches plus accessibles et interopérables, mais aussi de faciliter des découvertes interdisciplinaires.

Cet exposé mettra en lumière le potentiel de l'ORKG dans l'accélération de la recherche scientifique et le développement de collaborations à travers le monde.

Profil de la conférencière :
Dr. Sanju Tiwari, PDG et fondatrice de ShodhGuru Research Labs (Inde), est professeure à l'Université de Sharda (Inde) et chercheuse senior au TIB Hannover (Allemagne). Lauréate de la bourse DAAD Post-Doc-Net AI en 2021, elle a collaboré avec plusieurs universités allemandes. Elle a également été chercheuse postdoctorale au sein du groupe Ontology Engineering de l'Université Polytechnique de Madrid, en Espagne, en 2019.

Actuellement présidente du User Board de l'ORKG au TIB Hannover, Dr. Tiwari a coécrit le premier livre sur l'ORKG avec le Prof. Sören Auer et son équipe. Elle a dirigé l'organisation de nombreux ateliers et conférences dans le cadre d'événements internationaux prestigieux tels que ESWC, SEMANTiCS, KGSWC et WWW etc...

Mentore pour le Google Summer of Code (GSoC) chez DBpedia (2022-2024), elle est également membre de l'InfAI à l'Université de Leipzig (Allemagne) et a initié le projet "Chapitre DBpedia en hindi". Dr. Tiwari a mené des activités de recherche dans sept pays, enrichissant ses contributions au domaine de l'informatique sémantique et de la représentation des connaissances.

Publié le

Soutenance d'HDR de Ghazaleh Khodabandelou

Ghazaleh Khodabandelou, maître de conférences à l'Université de Paris Est Créteil, souteindra son Habilitation à Diriger des Recherches (HDR) sur le thème "Computational Intelligence and Context Recognition in Complex Systems". La soutenance se tiendra le 14 juin à 14h30 dans l’amphithéâtre du département des Réseaux & Télécoms à Vitry.

La soutenance se tiendra devant les membres du jury :

Rapporteurs: 
Prof. Ricardo Baeza-Yates, Northeastern University, Silicon Valley, USA
Prof. Adriana Tapus, ENSTA, Institut Polytechnique Paris
Prof. Younès Bennani, University of Sorbonne Paris Nord
         
Membres du jury :
Prof. Jérôme Boudy,  Télécom SudParis
Prof. Dominique Vaufreydaz, University Grenoble Alpes
Prof. Faïcel Chamroukhi, University  Caen, IRT SystemX
Prof. Latifa Oukhellou, University Gustave Eiffel
Prof. Yacine Amirat, University Paris-Est Créteil
Publié le

Soutenance de thèse de Sylvain Guinebert.

Soutenance de thèse de Sylvain Guinebert.

Sylvain Guinebert, doctorant de l’équipe SIMO soutiendra sa thèse le 2022-03-30 en Amphi RT, campus de Vitry-sur-Seine de l’UPEC-120 rue Paul Armangot, 94400 Vitry-sur-Seine.

Titre : Recherche et développement : Interprétation assistée par intelligence artificielle des pathologies rachidiennes.

Directeur(s) de thèse : Yacine Amirat

Résumé:

Objectif : Réaliser un outil de segmentation et d'identification automatique des discopathies et fractures lombaires sur des images IRM à l'aide de réseaux CNN. Matériel et méthodes: Nous avons développé un prototype de PACS avec visionneuse DICOM destiné à extraire des données d'apprentissage et 2 réseaux CNN dédiés à la segmentation d'une part et l'analyse des pathologies lombaires simples d'autre part. 204 IRM ont été sélectionnées au centre hospitalier universitaire Pasteur 2 NICE. Après segmentation et classification de l'ensemble des structures d'intérêt, nous avons entraîné deux réseaux de neurones (U-Net++ and Yolov5x) pour segmenter and détecter les disques et vertèbres. Résultats: Les réseaux de neurones ont permis des segmentations sémantiques avec une bonne précision de l'ordre de 0.96 et 0.93 d'indice DICE respectivement pour les disques intervertébraux et les corps vertébraux. Ils ont été moins performants dans la détection des pathologies courantes (discopathies dégénératives, hernies discales, fractures vertébrales) avec une aire sous la courbe sensibilité-spécificité de 0.85 pour les fractures et 0.76 pour les discopathies dégénératives. Conclusion: Notre travail a montré une bonne efficacité pour la segmentation des corps vertébraux et des disques intervertébraux, et que des progrès restaient à faire dans la détection des discopathies discales et des fractures vertébrales. Sur ce dernier point nous pensons que les moindres performances peuvent être attribuées à un manque d'images d'entraînement. Mots clés: intelligence artificielle, IA, apprentissage profond, imagerie par résonance magnétique, IRM , pathologies du rachis.

 

Publié le

Soutenance de thèse de Huiseok MOON

Soutenance de thèse de Huiseok MOON

Huiseok MOON, doctorant de l’équipe SIRIUS soutiendra sa thèse le 19/01/2024 en Amphi RT, campus de Vitry-sur-Seine de l’UPEC-120 rue Paul Armangot, 94400 Vitry-sur-Seine.

Directeur de thèse : Samer MOHAMMED

Soutenance prévue le vendredi 19 janvier 2024 à 10h00
Lieu : 122 rue Paul Armangot, IUT de Créteil-Vitry, 94400, Vitry-sur-Seine
Salle : Amphi R&T (Amphithéâtre)

Composition du jury proposé
M. Samer MOHAMMED, Université Paris-Est Créteil Val de Marne   Directeur de thèse
M. Antoine FERREIRA, INSA Centre Val de Loire (Laboratoire PRISME) Rapporteur
M. Eric MONACELLI, LISV lab, UVSQ, Univ. Paris Saclay Rapporteur
Mme Marie BABEL, IRISA, INRIA Rennes – Bretagne Atlantique Examinatrice
M. Yacine AMIRAT, Université Paris-Est Créteil Val de Marne Examinateur
Mme Samia NEFTI-MEZIANI, University of Birmingham Examinatrice

Résumé:
Cette thèse explore des stratégies de contrôle avancées en robotique portable, visant à aborder les divers défis de mobilité rencontrés par des personnes âgées ou des patients souffrant de pathologies neurologiques affectant leurs mouvements. Axé sur des objectifs à la fois d'assistance et de rééducation, le but principal est d'assister les activités physiques quotidiennes à travers des solutions sur mesure.
L'accent est mis sur le développement de systèmes qui non seulement fournissent une assistance physique, mais répondent également à l'intention du porteur en temps réel en s'adaptant à ses divers besoins.
Les principales contributions sont centrées autour de nouveaux paradigmes de contrôle pour une orthèse de cheville actionnée, des stratégies de modulation de l'impédance pour les exosquelettes des membres inférieurs utilisées dans les mouvements de transfert assis-debout. Ces contributions concernent également la détection en temps réel des modes de marche à l'aide d'algorithmes de type LSTM, et l'exploitation de la Stimulation Électrique Fonctionnelle Adaptative pour les personnes atteintes de foot drop. Ces avancées démontrent un potentiel significatif pour améliorer la mobilité, l'indépendance et la qualité de vie globale des personnes dépendantes utilisant ces dispositifs d'assistance. Des analyses théoriques, des simulations et des validations expérimentales démontrent l'efficacité des méthodologies proposées.

 

Publié le

Soutenance de thèse de Abhishek Djeachandrane

Soutenance de thèse de Abhishek Djeachandrane.

Abhishek Djeachandrane, doctorant de l’équipe CIR soutiendra sa thèse le 19 décembre 2023 en Amphi RT, campus de Vitry-sur-Seine de l’UPEC-120 rue Paul Armangot, 94400 Vitry-sur-Seine.

Titre : Implementation of an intelligent decision-support system self-regulated by application-centric quality of experience

Directeur(s) de thèse : MELLOUK Abdelhamid 

Résumé: 

Dans les villes intelligentes, la vidéosurveillance est un outil essentiel pour assurer la sécurité publique. Dans le passé, la sécurité était améliorée en installant davantage de caméras et en centralisant leur contrôle. Mais à mesure que le nombre de caméras augmentait, il devenait impossible pour les humains de contrôler manuellement toutes les séquences en temps réel. Les humains sont enclins à la distraction et ne peuvent pas rester concentrés pendant de longues périodes. Pour relever ce défi, des experts ont mis au point des modèles capables de détecter automatiquement les situations anormales en analysant les données vidéo et en les classant comme normales ou anormales. Ces techniques de vision par ordinateur ont permis de réaliser des progrès considérables dans la détection des anomalies. Toutefois, compte tenu de la nature constamment changeante et évolutive des environnements, les méthodes conventionnelles peuvent ne pas être suffisantes pour répondre à toutes les exigences d'un scénario réel. Une revue littéraire des ""systèmes de vidéosurveillance urbaine de bout en bout pour les menaces asymétriques"" a été proposée pour explorer le sujet en profondeur. Pour traiter le sujet, une plateforme de développement a été méticuleusement conçue, intégrant trois stratégies fondamentales. Premièrement, elle utilise un signal correctif qui prend en compte les facteurs exogènes, endogènes et humains dans le contexte environnant, appelé "qualité de l'expérience spécifique à la tâche". Deuxièmement, il promet des systèmes prédictifs basés sur l'apprentissage automatique et la connaissance de la situation afin d'améliorer les capacités du système et les performances axées sur les résultats. Des approches modulaires de schémas d'apprentissage personnalisés ont été explorées et ont convergé vers une solution appelée "méta-apprentissage par renforcement basé sur la similarité" pour la détection d'anomalies multi-instances. Enfin, l'étude recommande l'adoption de systèmes d'autogestion qui reposent sur des principes informatiques autonomes pour la configuration, la protection et l'apprentissage, basés sur l'apprentissage automatique, les statistiques descriptives et inférentielles et la théorie du contrôle. Ensemble, ces stratégies fournissent un cadre complet et solide pour répondre à des questions cruciales à l'aide de technologies et de méthodologies de pointe. En combinant l'enrichissement des données, la connaissance de la situation et l'informatique autonome, le système final répond efficacement aux besoins des entreprises modernes, pour lesquelles la capacité d'apprendre, d'inférer et de s'adapter rapidement est aussi vitale que la capacité d'être conscient du contexte environnant.

Publié le

Soutenance de thèse de Mouhamad Almakhour

Soutenance de thèse de Mouhamad Almakhour.

Mouhamad Almakhour, doctorant de l’équipe CIR soutiendra sa thèse le 04 Octobre 2023 en Amphi RT, campus de Vitry-sur-Seine de l’UPEC-120 rue Paul Armangot, 94400 Vitry-sur-Seine.

Titre :  Plateforme fiable de collaboration basée des registres distribués

Directeur(s) de thèse :  MELLOUK Abdelhamid 

Résumé: 

L'émergence de nouvelles technologies telles que la 5G et l'IoT a conduit à la création de nouveaux modèles métiers. Ceux-ci se basent principalement sur une collaboration dite ouverte ou dynamique comme un de leurs concepts clés. Dans ce contexte, le processus métier est défini comme un groupe d'activités réalisées par différents acteurs pour atteindre des objectifs métiers. Aujourd'hui, la concurrence sur le marché mondial et l'évolution des conditions font que la collaboration dans les processus métiers entre les organisations est toujours nécessaire. Celle-ci peut souvent impliquer des partenaires inconnus qui doivent échanger beaucoup de données, ce qui pose de sérieux problèmes, notamment le non-respect des exigences de sécurité et l'accès non autorisé, pour n'en citer que quelques-uns. Par conséquent, les entreprises ont commencé à rechercher de nouveaux environnements décentralisés, sécurisés et fiables qui peuvent appliquer, vérifier et respecter les accords liés aux processus métiers collaboratifs avec une manière transparente. Depuis 2015, une technologie appelée blockchain a changé la vision de la collaboration. En effet, la blockchain a réussi à corriger de nombreux problèmes traditionnels en soutenant un environnement fiable, immuable, sécurisé et décentralisé. De plus, elle fournit des codes auto-exécutables, appelés ""contrats intelligents"", où les termes de l'accord entre les partenaires contractuels sont écrits directement dans des lignes de code. En conséquence, de nombreuses entreprises ont commencé à intégrer la blockchain à leurs processus métiers, ce qui a conduit à la création d'une nouvelle notion appelée ""Processus métiers collaboratifs basés sur des contrats intelligents composés"". Les contrats intelligents composites représentent un ou plusieurs contrats intelligents qui doivent appeler d'autres contrats appartenant aux mêmes propriétaires ou à différents propriétaires de processus métiers pour effectuer des tâches spécifiques. Dans ce contexte, de nouveaux risques de sécurité sont apparus avec les nouvelles applications basées sur les contrats intelligents. Pour la blockchain, les violations de sécurité et les vulnérabilités dans n'importe quel contrat peuvent entraîner une énorme perte de fonds. Ainsi, la vérification formelle des contrats intelligents composites est obligatoire pour garantir la sécurité de la collaboration. A cette fin, nous proposons une nouvelle approche pour vérifier la sécurité des contrats intelligents composites Ethereum dans les applications de processus métiers collaboratifs. Dans ce travail, nous proposons un nouveau cadre basé sur les techniques de vérification formelle pour vérifier les contrats intelligents composites statiques et dynamiques, en considérant les propriétés de sécurité générales, les propriétés dépendantes du contexte ainsi que celles qui reposent sur des appels externes de contrats. Notre proposition est basée sur des modèles de machines à états finis, des formules de logique temporelle et la méthode model checking. Pour prouver l'approche proposée, une preuve de concept (PoC) avec différents cas d'utilisation de contrats intelligents composites a été mise en oeuvre pour expérimenter notre proposition. Tout d'abord, nous avons commencé par un exemple de motivation standard, ""Système d'agence de voyage"", basé sur des contrats intelligents composites statiques. Ensuite, nous avons fourni une plateforme sécurisée de bout en bout basée sur des contrats intelligents composites dynamiques pour la virtualisation des fonctions réseau (NFV) afin d'orchestrer et de gérer le cycle de vie des fonctions virtuelles. Les résultats obtenus ont prouvé l'efficacité de notre approche, évitant de nombreux problèmes liés à la sécurité, à la confidentialité, à la vie privée, à l'intégrité, au contrôle d'accès, à la non-répudiation, et à bien d'autres encore.

Publié le

Soutenance de thèse de Koussaila Moulouel

Soutenance de thèse de Koussaila Moulouel.

Koussaila Moulouel, doctorant de l’équipe SIRIUS soutiendra sa thèse le 19 Mai 2023 en Amphi RT, campus de Vitry-sur-Seine de l’UPEC-120 rue Paul Armangot, 94400 Vitry-sur-Seine.

Titre : Approches d'IA hybrides pour la reconnaissance du contexte : application à la reconnaissance et à l'anticipation d'activités, et à la gestion des anomalies de contexte dans les environnements d'Intelligence Ambiante

Directeur(s) de thèse :  Yacine Amirat

Résumé:

Les systèmes d'intelligence ambiante/Ambient Intelligence (AmI) visent à fournir aux utilisateurs des services d'assistance destinés à améliorer leur qualité de vie en termes d'autonomie, de sécurité et de bien-être. La conception de systèmes AmI capables d'une reconnaissance précise, fine et cohérente du contexte spatial et/ou temporel de l'utilisateur, en tenant compte de l'incertitude et de l'observabilité partielle des environnements AmI, pose plusieurs défis pour permettre une meilleure adaptation des services d'assistance au contexte de l'utilisateur. L'objectif de cette thèse est de proposer un ensemble de contributions qui répondent à ces défis. Tout d'abord, une ontologie descriptive et narrative du contexte est proposée pour modéliser la connaissance contextuelle dans les environnements AmI. L'objectif de cette ontologie est la modélisation du contexte de l'utilisateur en prenant en compte les différents attributs du contexte et en définissant les axiomes du raisonnement de bon sens nécessaire pour déduire et mettre à jour le contexte de l'utilisateur. Contrairement aux ontologies de pointe, l'ontologie contextuelle proposée comprend (i) une TBox représentant l'ontologie centrale du domaine définie par des concepts et des relations, (ii) une ABox de formules propositionnelles correspondant à des instanciations d'attributs de contexte, et (iii) une RBox, représentée par un programme logique ASP, consistant en des modèles de règles, tels que la spécification des effets des événements, la spécification des événements déclenchés, l'agrégation des composants du contexte, et la planification des actions de détection et d'assistance. La TBox, l'ABox et la RBox constituent la base des cadres développés dans cette thèse et jouent un rôle crucial dans l'amélioration de la reconnaissance du contexte de l'utilisateur. La deuxième contribution est un cadre hybride basé sur une ontologie qui combine le raisonnement de bon sens probabiliste et la planification probabiliste pour reconnaître le contexte de l'utilisateur, en particulier les anomalies du contexte, et fournir des services d'assistance tenant compte du contexte, en présence d'incertitude et d'observabilité partielle des environnements. Ce cadre exploite les prédictions des attributs du contexte, à savoir l'activité et la localisation de l'utilisateur, fournies par des modèles d'apprentissage profond. Dans ce cadre, le raisonnement probabiliste de bon sens est basé sur l'ontologie de contexte proposée pour définir l'axiomatisation de l'inférence de contexte et de la planification en cas d'incertitude. La planification probabiliste est utilisée pour caractériser un contexte anormal en faisant face à l'incomplétude de la connaissance contextuelle due à l'observabilité partielle des environnements AmI. En outre, la planification probabiliste permet d'adapter les services d'assistance fournis à l'utilisateur en fonction de son contexte. Le cadre proposé a été évalué en utilisant des transformateurs et des modèles CNN-LSTM sur les jeux de données Orange4Home et SIMADL. Les résultats montrent l'efficacité du cadre pour reconnaître les contextes de l'utilisateur, en termes d'activité et de localisation de l'utilisateur, ainsi que les anomalies de contexte dans des environnements incertains et partiellement observables. Troisièmement, un cadre hybride combinant l'apprentissage profond et le raisonnement probabiliste pour anticiper les activités humaines sur la base de vidéos égocentriques est proposé. Le raisonnement de bon sens probabiliste exploité dans ce cadre est basé sur le raisonnement abductif pour anticiper les activités humaines atomiques et composites, et sur le raisonnement temporel pour saisir les changements d'attributs du contexte. Des modèles d'apprentissage profond, à savoir YOLOv5 et ResNet, ont été exploités pour reconnaître les attributs du contexte, tels que les objets, les mains humaines et les emplacements des personnes. L'ontologie du contexte est utilisée pour modéliser les relations entre les activités atomiques et les activités composites. L'évaluation du cadre montre sa capacité à anticiper les activités composites sur un horizon temporel de quelques minutes, contrairement aux approches de pointe qui ne peuvent anticiper les activités atomiques que sur un horizon temporel de quelques secondes. Il a également montré de bonnes performances en termes de précision de la classification des activités anticipées et de temps de calcul. Enfin, un cadre basé sur le raisonnement par flux est proposé pour anticiper les activités humaines atomiques et composites à partir de flux de données d'attributs contextuels collectés à la volée. Les modèles d'apprentissage profond YOLOv7 et ResNet ont été utilisés pour reconnaître les attributs contextuels, tels que les objets utilisés dans les activités, les mains et les emplacements des utilisateurs. Le système de raisonnement par flux effectue un raisonnement causal, abductif et temporel à l'aide des connaissances contextuelles obtenues en cours d'exécution. Des axiomes d'effets dynamiques ont été introduits pour anticiper les activités composites qui peuvent être soumises à des événements imprévus, tels que le saut d'une activité atomique et le retard d'une activité atomique. Le cadre proposé a été validé par des expériences menées dans un environnement de cuisine. La performance remarquablement élevée en termes de nombre d'anticipations d'activités montre la capacité du cadre à prendre en compte la connaissance contextuelle des épisodes passés nécessaire pour anticiper les activités composites. La performance en termes de temps d'inférence de la connaissance contextuelle indique que le cadre est adapté aux applications du monde réel.

 

Publié le

Soutenance de thèse de Rola El Saleh

Soutenance de thèse de Rola El Saleh.

Rola El Saleh, doctorant de l’équipe SYNAPSE soutiendra sa thèse le 2021-12-16 en Amphi RT, campus de Vitry-sur-Seine de l’UPEC-120 rue Paul Armangot, 94400 Vitry-sur-Seine.

Titre : Biometrics for face skin analysis using machine learning based approaches

Résumé: 

L'émergence de l’intelligence artificielle (IA), l'accès aux grandes bases de données, et la disponibilité de super-calculateurs ont incontestablement révolutionné les différents domaines. En particulier, en considérant le développement d'algorithmes d'Apprentissage Automatique (AA) “Machine-learning” et notamment de l'Apprentissage Profond (AP) “Deep-learning”, le domaine biomédical en a largement bénéficié. Dans le contexte de la dermatologie, de nombreuses recherches ont été menées pour analyser automatiquement les images de la peau afin de prédire les maladies et de suivre leur évolution au cours du temps. Cette thèse propose un système de diagnostic assisté par ordinateur basé sur des approches d'AP qui analyse les images du visage et identifie les maladies potentielles du visage utilisant uniquement des phénotypes faciaux, sans extraction de région d'intérêt. Cette biométrie médicale, faciale est fondée sur l’utilisation sur des réseaux de neurones convolutifs pré-entraînés, VGG-16, EfficientNet b0 et Inception v3, qui sont affinés pour créer de nouveaux modèles adaptés pour classer les images de la peau du visage en huit pathologies distinctes à savoir : acné, kératose actinique, angioedème, blépharite, eczéma, mélasma, rosacée et vitiligo.. Ainsi, une méthode d'apprentissage par transfert est utilisée. Plus précisément, les architectures originales des trois modèles sont modifiées en ajoutant de nouvelles couches au sommet. Les algorithmes proposés sont entraînés et validés sur une base de données que nous avons créé à cet effet. Les modèles sont testés et évalués en considérant des conditions d’acquisitions différentes (pose du visage, luminosité, résolution d'image, etc). Des résultats très prometteurs sont ainsi obtenus.

Publié le

Soutenance de thèse de Randa Mallat

Soutenance de thèse de Randa Mallat.

Randa Mallat, doctorante de l’équipe SIRIUS soutiendra sa thèse le 2021-01-28 en Amphi RT, campus de Vitry-sur-Seine de l’UPEC-120 rue Paul Armangot, 94400 Vitry-sur-Seine.

Titre : Toward an affordable multi-modal motion capture system framework for human kinematics and kinetics assessment

Résumé:

La quantification des activités motrices humaines nécessite de mesurer et estimer, aussi précisément que possible, des variables cinématiques et dynamiques. L’analyse du mouvement humain possède une grande variété d’applications dans les domaines de la rééducation fonctionnelle, l’orthopédie, le sport, la robotique d’assistance, ou l’ergonomie industrielle. Les systèmes d’analyse de mouvement actuels font généralement référence à des systèmes stéréophotogrammétriques et à des plateformes de force de laboratoire qui sont précis mais également coûteux, nécessitant des compétences d'experts et ne sont pas portables. Récemment, l'utilisation de capteurs à bas coût pour l'estimation du mouvement humain, tels que les centrales inertielles et les caméras RGB, a fait l'objet de nombreuses études. Malgré leur grand potentiel d'utilisation en dehors du laboratoire, ces systèmes souffrent encore d'une précision limitée, principalement en raison de la dérive inhérente des centrales inertielles et des occlusions en cas de l’utilisation des caméras, ce qui fait que l’estimation précise de la cinématique et de la dynamique articulaire est encore difficile à garantir. Ces restrictions pourraient expliquer pourquoi de tels systèmes sont rarement utilisés dans des applications cliniques ou pour la rééducation à domicile. Dans ce contexte, cette thèse a pour objectif le développement d'un nouveau système d’analyse de mouvement à bas coût permettant l’estimation précise de l’état 3D des articulations humaines. Contrairement aux études précédentes basées sur des capteurs soient visuels soient inertiels, l'approche proposée porte sur la combinaison des données de capteurs visuels-inertiels nouvellement conçus. Le système utilise également de nouvelles méthodes pratiques de calibration ne nécessitant aucun équipement externe. Les données des capteurs sont combinées dans un filtre de Kalman étendu contraint prenant en considération la biomécanique du corps humain ainsi que les tâches réalisées pour améliorer l'estimation de la cinématique. Cela se fait en incorporant des contraintes de corps rigide, des butées articulaires, et en modélisant l'évolution temporelle des trajectoires articulaires ou de la dérive des centrales inertielles. La capacité du système à estimer la cinématique articulaire en 3D a été validée par l’analyse de plusieurs activités de la vie quotidienne du bras ainsi que l’analyse de la marche sur tapis roulant. Deux prototypes avec un nombre et des configurations de capteurs différents ont été étudiés. Les expériences menées avec plusieurs sujets sains ont montré des résultats très satisfaisants par rapport à un système stéréophotogrammétrique de référence. Dans l'ensemble, l’erreur quadratique moyenne obtenue est inférieure à 4 degrés. Ce système a également été utilisé pour l'identification des paramètres dynamiques des membres inférieurs d'un système humain-exosquelette. Un système d'évaluation a été proposé dans le but de sélectionner un modèle dynamique optimal du système humain-exosquelette qui soit le meilleur compromis entre la précision des couples articulaires estimés et la simplicité du modèle. Dans ce contexte, le système proposé vise à quantifier la contribution indépendante des paramètres cinématiques et dynamiques dans l'estimation du couple articulaire, ainsi que l'effet du mouvement relatif entre les axes articulaires de l’exosquelette et du porteur. Une évaluation a été réalisée sur une orthèse d'assistance de genou pendant des mouvements de flexion/extension. Les résultats ont conduit à la proposition d’un modèle minimal du système humain-orthèse.