Thèse Algorithmes de Détection de Ruptures pour des Dynamiques Markoviennes Application à des Données Issues de Capteurs en Élevage Pastoral H/F - Doctorat.Gouv.Fr

Établissement : Université de Montpellier École doctorale : I2S - Information, Structures, Systèmes Laboratoire de recherche : MISTEA - Mathématiques, Informatique et STatistique pour l'Environnement et l'Agronomie Direction de la thèse : Bertrand CLOEZ Début de la thèse : 2026-10-01 Date limite de candidature : 2026-06-30T23:59:59 Récemment, de nombreux capteurs se sont développés dans le domaine de l'élevage : capteurs de géolocalisation, de chevauchement, d'autopesée, etc. Ces dispositifs offrent la possibilité de détecter précocement des changements dans le comportement des animaux, tels que des perturbations hormonales ou une dégradation de leur état de santé. Toutefois, les données issues de ces capteurs présentent plusieurs difficultés : hétérogénéité parmi les individus, faibles débits d'acquisition, dépendances temporelles et corrélations entre séries.

Cette thèse a pour objectif de proposer et d'étudier les propriétés d'algorithmes de détection de ruptures adaptés aux dynamiques générées par ces capteurs.La détection de ruptures vise à identifier les moments où la distribution de probabilité d'un processus stochastique ou d'une série chronologique change. En général, le problème consiste à détecter si un changement s'est produit ou non, ou si plusieurs changements ont pu se produire, et à identifier les moments où ces changements se sont produits.

Les modèles considérés reposent sur des processus de Markov, notamment des processus de Poisson et des processus de diffusion. L'objectif est d'adapter des méthodes de détection existantes, initialement développées pour des dynamiques homogènes, aux spécificités de ces dynamiques inhomogènes, tout en tenant compte des caractéristiques propres aux données étudiées (paramètres connus ou inconnus, séries temporelles couplées ou indépendantes, etc.). Récemment, de nombreux capteurs se sont développés dans le domaine de l'élevage : capteurs de géolocalisation, de chevauchement, d'autopesée, etc. Ces dispositifs offrent la possibilité de détecter précocement des changements dans le comportement des animaux, tels que des perturbations hormonales ou une dégradation de leur état de santé. Toutefois, les données issues de ces capteurs présentent plusieurs difficultés : hétérogénéité parmi les individus, faibles débits d'acquisition, dépendances temporelles et corrélations entre séries.

Un cas d'étude (surlequel va commencer la thèse) correspond à des données de comptages issues de (Alhamada et al 2016) et (Pellicer-Rubio et al 2024) pour des laternatives aux hormones.

Cette thèse a pour objectif de proposer et d'étudier les propriétés d'algorithmes de détection de ruptures adaptés aux dynamiques générées par ces capteurs. Cette thèse a pour objectif de proposer et d'étudier les propriétés d'algorithmes de détection de ruptures adaptés aux dynamiques générées par ces capteurs.La détection de ruptures vise à identifier les moments où la distribution de probabilité d'un processus stochastique ou d'une série chronologique change. En général, le problème consiste à détecter si un changement s'est produit ou non, ou si plusieurs changements ont pu se produire, et à identifier les moments où ces changements se sont produits.

Les algorithmes actuelles (voir bibliographies) s'appliquent souvent sur des séries homogènes. Le but de cette thèse est d'adapter ces méthodes à des processus de Markov particulier. En particulier les méthodes de détection simultanées sur des séries multiples seront étudiés.

Nous recherchons une personnes possédant des compétences en probabilités ou statistiques mathématiques avec un goût pour les applications et le numérique. Des connaissances en agronomie ne sont pas nécessaires. Des compétences en programmation (comme R) sont nécessaires.