Search

Le congrès a pour titre "Nouvelles avancées et défis pour des industries durables et avisées"; International audience; L'élaboration d'une offre, lors d’une réponse à appel d'offres, est un processus complexe, généralement caractérisé par des informations partielles et imprécises ainsi qu’un temps de réponse limité. Adoptant le point de vue des entreprises soumissionnaires, cet article se concentre sur l'ingénierie des risques portant sur les activités du processus de fabrication d’un produit, de sa conception à sa livraison. Plus précisément, cet article propose un système à base de connaissances pour aider à l'identification et l'analyse (probabilité / impact) des risques qui peuvent survenir au cours du processus de fabrication. Cette identification des risques a lieu durant la phase de réponse à appel d'offres, de sorte que les risques identifiés et leurs impacts peuvent être pris en compte dans l’offre faite au client. Grâce au système proposé, les connaissances en matière d'ingénierie des risques peuvent être capitalisées et réutilisées pour aider à l’élaboration de nouvelles offres. Les connaissances en matière d'ingénierie des risques sont structurées par un modèle unifié. Pour aider les décideurs dans leur processus d'ingénierie des risques, une méthode de réutilisation, inspirée du raisonnement par analogie, est proposée pour exploiter les connaissances pertinentes. Le système proposé permet d'obtenir des offres plus précises, moins risquées et dans lesquelles il y a une forte confiance à livrer ce qui a été présenté au client. Ce travail peut être étendu pour modéliser et choisir les meilleures stratégies de mitigation des risques.

*. Publications 2020*. Reviewer 2020*. Evaluation de projets en 2020 (Agence National de la Recherche: ANR ; Conseil de recherches en sciences naturelles et en génie du Canada: CRSNG)

En matière de règlementation de la sécurité ferroviaire, l’influence croisée des projets européens et de l’actualitémondiale, de plus en plus inquiétante sur le plan de la sécurité, ont contraint législateurs et gouvernement àrevoir les textes et à en combler les lacunes. On assiste donc aujourd’hui à une refonte de la réglementation. Conformément à cette nouvelle réglementation nationale et européenne en matière de sécurité ferroviaire, la recherche consiste à proposer des méthodes, des techniques et des outils d’aide à l’évaluation des analyses des risques d’accidents ferroviaires qui tiennent compte des usages, des travaux de recherches et de notre expérience dans ce domaine. L’objectif vise à rationaliser, harmoniser et homogénéiser le processus de gestion des risques technologiques et humains en vue de répondre aux exigences exprimées par la nouvelle réglementation nationale et Européenne et en particulier la nouvelle directive de 2016 sur la « sécurité ferroviaire ». Ces travaux sont actuellement regroupés dans un axe de recherche que nous avons baptisé “AMCER” (Acquisition, Modélisation, Capitalisation et Evaluation des Risques d’accidents ferroviaires) et s'articule autour de plusieurs projets complémentaires suivants : Analyse des risques au « niveau Système » : pour l’aide aux analyses préliminaires de risques (APR) ; Analyse des risques au « niveau Automatismes » : pour l’aide aux analyses fonctionnelles de la sécurité(AFS) ; Analyse des risques au « niveau Logiciel » : pour l’aide aux analyses des effets des erreurs du logiciel(AEEL) ; Analyse des risques au « niveau Humain » : pour l’intégration des facteurs humains dans les analyses de lasécurité ; Analyse des risques au « niveau Retour d’expérience » : pour l’aide aux enquêtes après accidents/incidentsferroviaire et par conséquent systématiser le processus du retour d’expérience ; Analyse au « niveau Règlementaire » : veille juridique et réglementaire (recueil, traitement, capitalisation, etexploitation des connaissances sur les accidents et incidents).

En matière de règlementation de la sécurité ferroviaire, l’influence croisée des projets européens et de l’actualité mondiale, de plus en plus inquiétante sur le plan de la sécurité, ont contraint législateurs et gouvernement à revoir les textes et à en combler les lacunes. On assiste donc aujourd’hui à une refonte de la réglementation. Conformément à cette nouvelle réglementation nationale et européenne en matière de sécurité ferroviaire, la recherche consiste à propose des méthodes, des techniques et des outils d’aide à l’évaluation des analyses des risques d’accidents ferroviaires qui tiennent compte des usages, de la théorie et de notre expérience dans ce domaine. L’objectif vise à rationaliser, harmoniser et homogénéiser le processus de gestion des risques technologiques et humains en vue de répondre aux exigences exprimées par la nouvelle réglementation nationale et Européenne et en particulier la nouvelle directive de 2016 sur la sécurité ferroviaire. Ces travaux sont actuellement regroupés dans un axe de recherche que nous avons baptisé “AMCER” (Acquisition, Modélisation, Capitalisation et Evaluation des Risques d’accidents ferroviaires). L’axe de recherche “AMCER” s'articule autour de plusieurs projets complémentaires suivants :  Analyse des risques au niveau système : pour l’aide aux analyses préliminaires de risques (APR) ; Analyse des risques au niveau automatismes : pour l’aide aux analyses fonctionnelles de la sécurité (AFS) ; Analyse des risques au niveau logiciel : pour l’aide aux analyses des effets des erreurs du logiciel (AEEL) ; Analyse des risques au niveau Humain : pour l’intégration des facteurs humains dans les analyses de la sécurité ; Analyse des risques au niveau « Retour d’expérience » : pour l’aide aux enquêtes après accidents/incidents ferroviaire et par conséquent systématiser le processus du retour d’expérience ; Analyse au niveau règlementaire : veille juridique et réglementaire (recueil, traitement, capitalisation, diffusion).Ces analyses ont nécessité le recours à des compétences pluridisciplinaires (sciences de l'ingénieur, sciences cognitives, sciences humaines et sociales, informatique et Intelligence artificielle) indispensables pour analyser et évaluer la sécurité, capitaliser et pérenniser les connaissances (retour d’expérience), étudier la traçabilité des méthodes de sécurité, analyser et prévenir les risques d’accidents des systèmes de transports ferroviaires guidés avec des applications et des études de faisabilité à travers des maquettes et prototypes. Le projet de recherche “ AMCER ” a pour ambition d'améliorer l'élaboration et l'évaluation des différentes analyses de sécurité, en traquant l'erreur non seulement au niveau système, matériel et logiciel, mais aussi au niveau humain, selon deux axes d'investigation :1. Un axe méthodologique, en s'interrogeant sur les perfectionnements possibles des démarches usuelles d'analyse des risques et en proposant des méthodes et stratégies d'évaluation de ces analyses en termes de cohérence, de complétude, de traçabilité ;2. Un axe opérationnel, en développant des outils logiciels d'aide à la conception et à l'examen des analyses de risques qui intègrent notamment des systèmes d'acquisition, de modélisation, de capitalisation et d'évaluation de ces analyses.L’objectif de la recherche est triple :1. Capitaliser et pérenniser l'expertise en matière de gestion des risques qui se caractérise par sa rareté, sa vulnérabilité et sa répartition entre les mains de plusieurs acteurs ;2. Systématiser et unifier la démarche usuelle du retour d’expérience ;3. Aider les acteurs impliqués dans le développement, l’exploitation, la surveillance et le retour d’expérience des systèmes de transport ferroviaires et particulièrement les organismes de certification (CERTIFER), l’autorité nationale de sécurité (EPSF), l’organisme d’enquête sur les accidents (BEA-TT) et l’Agence européenne des chemins de fer dans leurs tâches cruciales d'évaluation des études de sécurité.

Our thesis work is concerned with the development of experience based approachesfor criticalcomponent prognostics and Remaining Useful Life (RUL) estimation. This choice allows us to avoidthe problematic issue of setting a failure threshold.Our work was based on Case Based Reasoning (CBR) to track the health status of a new componentand predict its RUL. An Instance Based Learning (IBL) approach was first developed offering twoexperience formalizations. The first is a supervised method that takes into account the status of thecomponent and produces health indicators. The second is an unsupervised method that fuses thesensory data into degradation trajectories.The approach was then evolved by integrating knowledge. Knowledge is extracted from the sensorydata and is of two types: temporal that completes the modeling of instances and frequential that,along with the similarity measure refine the retrieval phase. The latter is based on two similaritymeasures: a weighted one between fixed parallel windows and a weighted similarity with temporalprojection through sliding windows which allow actual health status identification.Another data-driven technique was tested. This one is developed from features extracted from theexperiences that can be either mono or multi-dimensional. These features are modeled by a SupportVector Regression (SVR) algorithm. The developed approaches were assessed on two types ofcritical components: turbofans and ”Li-ion” batteries. The obtained results are interesting but theydepend on the type of the treated data., Nos travaux de thèse s’intéressent au pronostic de défaillance de composant critique et à l’estimation de la durée de vie résiduelle avant défaillance (RUL). Nous avons développé des méthodes basées sur l’expérience. Cette orientation nous permet de nous affranchir de la définition d’un seuil de défaillance, point problématique lors de l’estimation du RUL.Nous avons pris appui sur le paradigme de Raisonnement à Partir de Cas (RàPC) pour assurer le suivi d’un nouveau composant critique et prédire son RUL. Une approche basée sur les instances (IBL) à été développée en proposant plusieurs formalisations de l’expérience: une supervisée tenant compte de l’état du composant sous forme d’indicateur de santé et une non-supervisée agrégeantles données capteurs en une série temporelle mono-dimensionnelle formant une trajectoire de dégradation.Nous avons ensuite fait évoluer cette approche en intégrant de la connaissance à ces instances.La connaissance est extraite à partir de données capteurs et est de deux types : temporelle qui complète la modélisation des instances et fréquentielle qui, associée à la mesure de similarité permet d’affiner la phase de remémoration. Cette dernière prend appui sur deux types de mesures : une pondérée entre fenêtres parallèles et fixes et une pondérée avec projection temporelle. Les fenêtres sont glissantes ce qui permet d’identifier et de localiser l’état actuel de la dégradation de nouveaux composants.Une autre approche orientée donnée a été testée. Celle-ci est se base sur des caractéristiques extraites des expériences, qui sont mono-dimensionnelles dans le premier cas et multidimensionnelles autrement. Ces caractéristiques seront modélisées par un algorithme de régression à vecteurs de support (SVR). Ces approches ont été évaluées sur deux types de composants : les turboréacteurs et les batteries « LI-ION ». Les résultats obtenus sont intéressants mais dépendent du type de données traitées.

National audience; Adaptation Knowledge Acquisition (AKA) is considered as the bottleneck of Case- Based Reasoning (CBR) systems. This article presents our approach to acquire such knowledge in an ontology-based CBR system. The acquisition is done from a heterogeneous case base, where cases do not always share the same descriptors, and is based on the techniques of formal concept analysis. The proposed approach is implemented in COBRA, our CBR platform. In this article, we present our AKA approach as well as our case alignment approach for treating cases heterogeneity.; Dans un système de raisonnement à partir de cas (RàPC), l'acquisition des connaissances d'adaptation (ACA) auprès d'experts du domaine est une tâche difficile qui demande beaucoup d'investissement de leur part. Nous proposons ici une approche pour acquérir ces connaissances dans un système de RàPC basé sur une ontologie. L'acquisition se fait à partir d'une base de cas hétérogène, et est basée sur l'analyse de concepts formels. Le traitement de l'hétérogénéité est réalisé à l'aide de techniques d'alignement de cas. Cette approche a été mise en oeuvre dans COBRA, une plate-forme de RàPC que nous avons conçue.

This thesis proposes tools of multicriteria decision aid for process piloting based on the knowledge capitalization via the Case-Based Reasoning (CBR) technique. Two models have been developed. The first model, using past similar cases, helps the pilot of a process to resolve a new problem. This is done by taking into account causalities relations which exist between performance inductors and indicators as well as dependence relations between criteria. The second model is based on hybridization between the CBR and the clustering. It tries to improve the phases: cases representation, similar cases retrieval and case base maintenance of the CBR cycle. The application of a clustering method represents a way of arranging the case base to facilitate the piloting aid. These two models can be executed in a complementarity relation. Indeed, the second model based on clustering allows, at first, to form homogeneous groups including the new case to look for its solution. Then, after obtaining the cluster containing the new case with its similar cases, the first model will be activated to find the closest. However, criteria used by these two models are quantitative. For that purpose, a linguistic approach was used to apply non homogeneous data which can be numeric or linguistic. These two models were applied in a real industrial case of cardboard packagings manufacturing. They were also implemented in a computer prototype in the form of an Interactive System of Process Piloting Aid (ISPPA) via interfaces to better validate their applications., Cette thèse propose des outils d'aide multicritère à la décision pour le pilotage d'un processus basés sur la capitalisation des connaissances à travers la technique du raisonnement à partir de cas (RàPC). Deux modèles ont été développés. Le premier modèle, se basant sur des cas analogues passés, aide le pilote d'un processus à résoudre un nouveau problème. Ceci étant en tenant compte aussi bien des relations de causalités qui existent entre les indicateurs et les inducteurs de performance que des relations de dépendance qui surgissent entre les différents critères. Le deuxième modèle est basé sur une hybridation entre le RàPC et le clustering. Il cherche à améliorer les phases : représentation des cas, recherche de cas similaires et maintenance de la base de cas du cycle du RàPC. L'application d'une méthode de clustering représente une manière d'arranger la base de cas afin de faciliter l'aide au pilotage. Ces deux modèles peuvent fonctionner en relation de complémentarité. En effet, le deuxième modèle basé sur le clustering permet, d'abord, de former des groupes homogènes y compris le nouveau cas qu'on veut chercher sa solution. Ensuite, après avoir obtenu le cluster contenant le nouveau cas avec ses cas similaires, le premier modèle sera déclenché pour trouver le cas le plus proche. Toutefois, les critères utilisés par ces deux modèles sont quantitatifs. Pour cela, une approche linguistique a été utilisée pour gérer des données non homogènes, c'est-à-dire numériques et linguistiques. Ces deux modèles ont été appliqués dans un cas industriel réel de fabrication d'emballages en carton. Ils ont été aussi implémentés dans un prototype informatique sous forme d'un Système Interactif d'Aide au Pilotage d'un Processus (SIAPP) à travers des interfaces pour mieux valider leurs applications.

International audience; Le processus de construction de la sécurité d'un système de transport ferroviaire guidé fait intervenir trois grandes activités d’analyses de sécurité : analyse au niveau système, analyse au niveau logiciel et analyse au niveau matériel. Notre recherche s'inscrit dans le cadre de l'analyse de sécurité des logiciels et porte plus précisément sur la méthode d'Analyse des Effets des Erreurs du Logiciel (AEEL). L’objectif de l’étude est le développement d'un outil logiciel baptisé « SAUTREL » basé sur une méthode d’apprentissage automatique (raisonnement à partir de cas) afin d’aider les experts en matière de sécurité et de certification a juger l'exhaustivité et la cohérence des AEEL critiques d’un nouveau système de transport ferroviaire guidé. Le principe du raisonnement à partir de cas (ou Case-Based Reasoning : C.B.R.) consiste à traiter un nouveau problème en se remémorant des expériences passées voisines. L'objectif de cette étude est d'exploiter des A.E.E.L. historiques, menées sur des logiciels déjà certifiés, en vue d'expliquer ou d'évaluer l'exhaustivité, la cohérence et la pertinence de l'A.E.E.L. d'un nouveau logiciel. À ce jour, les principaux résultats obtenus sont les suivants : Un formalisme de représentation des fiches AEEL ; Une base de 250 cas d’AEEL issue des travaux de recueil et de modélisation des connaissances de deux systèmes de transport guidés déjà certifiés (TVM 430 du TGV Nord et MAGGALY de Lyon) ; Une maquette de faisabilité « SAUTREL » d’aide à la capitalisation et à l’évaluation des AEEL basée sur le raisonnement à partir de cas.

International audience; L’analyse, l'évaluation et l’exploitation des connaissances de sécurité représentent les tâches fondamentales du processus de retour d’expérience (Rex) d'un système de transport ferroviaire guidé, elle n'en demeure pas moins aujourd'hui le "goulet d'étranglement". En effet, la capitalisation et l’exploitation des connaissances de sécurité se révèlent être des exercices particulièrement délicats et fastidieux qui ne sont pas toujours soutenus par une stratégie formalisée. Afin de rationaliser et renforcer le processus du retour d’expérience, la recherche a pour ambition d'améliorer sensiblement les activités d’analyse et d’exploitation des différentes études de sécurité, en traquant l'erreur au niveau système, matériel, logiciel et humain. L'approche retenue pour atteindre ces objectifs repose en grande partie sur l'emploi des techniques d'intelligence artificielle et notamment sur l'utilisation des méthodes d'acquisition et de modélisation des connaissances, des systèmes à base de connaissances et des méthodes d'apprentissage automatique (notamment le raisonnement à partir de cas). Cet article propose une description détaillée de deux outils complémentaires d'aide à l’exploitation du retour d’expérience dans les transports ferroviaires guidés:- “ ACASYA ” : Système d'aide à la capitalisation et à l’exploitation des scénarios d'accidents, basé sur des techniques d’apprentissages inductives ;- ”SAUTREL ” : Système d’aide à la capitalisation et à l’exploitation des analyses des effets des erreurs de logiciels de sécurité, basé sur le raisonnement à partir de cas.

International audience; Malgré l'intérêt indéniable des méthodes conventionnelles d'analyse et d’évaluation de la sécurité des systèmes de transports ferroviaires, l'exhaustivité de l'analyse demeure essentiellement fondée sur le savoir-faire, l'intelligence et l'intuition de l'expert humain. Or, une étude attentive des mécanismes de raisonnement de l'expert, de ses stratégies et heuristiques de résolution de problème, montre qu'il fait principalement intervenir des données symboliques, évolutives, qualitatives et qu'il fait simultanément appel à des inférences de type inductif, déductif, par analogie. Ce constat nous a conduit à recourir aux techniques d'intelligence artificielle afin de systématiser la démarche des experts et par conséquent de renforcer les méthodes usuelles d'analyse de sécurité. L’objectif consiste d'une part à modéliser, capitaliser et pérenniser l'expérience en matière d'analyse de sécurité et de certification qui se caractérise par sa rareté et sa vulnérabilité et d'autre part aider les acteurs impliqués (entreprise ferroviaire, gestionnaire d’infrastructure, autorité de sécurité, organisme de certification…), dans leurs tâche pénible d'évaluation de la complétude et de la cohérence des études de sécurité.

International audience; L’une des méthodes les plus appliqués lors de l’analyse de sécurité au niveau logiciel d’un système de transport ferroviaire guidé, est celle d’Analyse des Effets et Erreurs du Logiciel (A.E.E.L.). Néanmoins, la vérification de l’exhaustivité et de la cohérence des AEEL représente, pour les experts de certification, une tâche fastidieuse. Dans ce contexte, notre étude vise le développement d’un outil logiciel baptisé « SAUTREL », basé sur le raisonnement à partir de cas, dont le but est d'exploiter les A.E.E.L. historiques, menées sur des logiciels déjà certifiés, en vue d'évaluer l'exhaustivité, la cohérence et la pertinence de l'A.E.E.L. d'un nouveau logiciel.

Therefore, our research work aims at improving the realisation and the assessment of safety analyses :- as regards methods : by considering the possible refinements of conventional safety analyses ; by devising processes to assess the consistency, completeness or traceability, and so on, of these analyses ;- as regards implementation : by designing software to help carry out safety analyses and their examination ; these tools embody acquisition, modelling, accumulation and validation systems., La recherche a pour ambition d'améliorer sensiblement l'élaboration et l'évaluation des différentes analyses de sécurité, en traquant l'erreur au niveau système, matériel, logiciel et humain selon deux axes d'investigation :- Un axe méthodologique, en s'interrogeant sur les perfectionnements possibles des démarches usuelles d'analyse de sécurité et en proposant des méthodes et stratégies d'évaluation de ces analyses en termes de cohérence, de complétude, de traçabilité, …- Un axe opérationnel, en développant des outils logiciels d'aide à la conception et à l'examen des analyses de sécurité qui intègrent notamment des systèmes d'acquisition, de modélisation, de capitalisation et d'évaluation de ces analyses.

La mise en service d'un nouveau système de transport ferroviaire guidé ou automatisé nécessite une analyseapprofondie de toutes les méthodes, techniques, procédures, réglementations et normes de sécurité pour garantirque le "niveau de risque" du futur système ne présente aucun danger susceptible de compromettre la sécurité desvoyageurs. Parmi les nombreuses méthodes de sécurité mises en œuvre pour garantir la sécurité des logiciels, ilexiste une méthode appelée "Analyse des erreurs et des effets de logiciels (AEEL)" ou "Software Error EffectAnalysis (SEEA)" dont l'objectif est de déterminer la nature et la gravité des conséquences des panneslogicielles, de proposer des mesures pour détecter les erreurs et enfin pour améliorer la robustesse dulogiciel. Afin de renforcer et de rationaliser cette méthode AEEL, nous avons convenu d’utiliser des techniquesd'apprentissage automatique et en particulier le raisonnement basé sur des cas (ou Case-Based Reasoning : CBR)afin d'assister les experts en certification dans leur tâche difficile d’évaluation de l’exhaustivité et de lacohérence des études de sécurité des équipements logiciels critiques. L'objectif principal consiste, à partir d'unensemble de données sous forme de scénarios d'accidents ou d'incidents vécus sur les systèmes de transportferroviaire (retour d'expérience), d'exploiter par apprentissage automatique cette masse de données pour stimulerl'imagination des experts en certification et les accompagner dans leur tâche cruciale de recherche de scénariosd'accidents potentiels non pris en compte lors de la phase de conception d'un nouveau logiciel critique.L'originalité de l'outil développé réside non seulement dans sa capacité à modéliser, capitaliser, pérenniser etdiffuser l'expertise en AEEL, mais il représente la première recherche sur l'application du CBR au SEEA. Eneffet, dans le domaine du transport ferroviaire, il n'existe pas actuellement des outils logiciels d'aide aux AEELbasés sur des techniques d'apprentissage automatique et en particulier basés sur le CBR.

Ce rapport présente, dans le cadre de ma demande d'obtention de l'Habilitation à Diriger des Recherches, mes activités scientifiques, d'expertises, d'enseignement et d'encadrement de la recherche effectuées depuis septembre 1989. D'abord au LAMIH de l'Université de Valenciennes et particulièrement dans l'équipe Informatique Industrielle et Communication Homme-Machine dirigée par le professeur Patrick MILLOT. Ensuite, dans le cadre de ma fonction de Chargé de Recherche à l'INRETS, depuis Janvier 1993, et plus précisément au sein de l'unité de recherche ESTAS (Evaluation des Systèmes de Transport Automatisés et de leur Sécurité) dirigée par Monsieur Gérard COUVREUR. L'objet de ce mémoire est de présenter les travaux réalisés par mes soins ou sous ma responsabilité par des doctorants, des DEA, des DESS et des Ingénieurs, dans le cadre du groupe de recherche que j'ai constitué au sein de l'INRETS-ESTAS sur le thème acquisition, capitalisation et validation des connaissances de sécurité. Ces travaux sont actuellement regroupés dans l'axe de recherche « AVIS » (Acquisition et Validation des connaissances de Sécurité) qui est l'une des composantes du programme de recherche de l'INRETS (Axe 3.13 - Volet 1). Ils s'exercent principalement dans le cadre du programme interministériel de recherche sur les transports PREDIT/ASCOT. Ils sont soutenus notamment par la direction des transports terrestres (DTT) du Ministère des transports et le Groupement Régional de recherche sur les transports du Nord-Pas-de-Calais (GRRT). Le domaine d'application de ces travaux concerne essentiellement la certification d'automatismes des systèmes de transport terrestres guidés. L'originalité de ces travaux réside notamment dans l'utilisation conjointe des méthodes cogniticiennes d'acquisition du savoir-faire des experts du domaine, des méthodes plus formelles d'apprentissage symbolique automatique et des approches d'évaluation de la connaissance (en termes de complétude, de cohérence et de traçabilité). Ces recherches se basent donc sur des concepts et méthodes issus du génie logiciel, des sciences cognitives et de l'intelligence artificielle.Une présentation détaillée des différents thèmes, activités et perspectives de recherche est faite dans la suite de ce mémoire. Le premier chapitre présente ces activités de façon synthétique et fait apparaître mon implication au sein de l'INRETS-ESTAS tant du point de vue expertise et assistance technique que du point de vue administratif, enseignement et recherche (encadrement de thèses et de projets, collaborations,...). Le deuxième chapitre est consacré au contexte de la recherche. Après une présentation rapide de l'INRETS et des principales activités du département ESTAS, il aborde successivement le cadre de notre recherche, le processus de développement, de validation, d'homologation et de certification d'un système, le processus de mise en sécurité des automatismes d'un système de transport guidé, les principales motivations de nos travaux de recherche, les techniques et méthodes mises en oeuvres pour atteindre ces objectifs, les organismes demandeurs qui financent nos travaux, les moyens humains et enfin les principales composantes de l'axe de recherche « AVIS » (Acquisition et Validation des connaissances de Sécurité). Le troisième chapitre détaille mes activités de recherche qui se sont déroulées au sein de l'unité de recherche ESTAS de l'INRETS. Ces contributions résultent du travail de l'équipe que j'ai constituée pour le développement de l'axe de recherche « AVIS » qui s'articule autour de sept projets complémentaires détaillés tout au long de ce chapitre. Pour chacun de ces projets, on indique le contexte général de l'étude, la problématique scientifique, les motivations, les techniques et méthodes mises en oeuvre, l'application réalisée et les résultats obtenus. Enfin, le dernier chapitre précise les perspectives envisagées pour les projets évoqués tout au long de ce mémoire ainsi que les nouveaux projets récemment mis en place.

1. Veille scientifique et positionnement de la recherche dans le contexte national et Européen ;2. Projet scientifique "AMCER" ;3. Travaux actuels et perspectives.