Abstract:
Le succès du Web et la prolifération des réseaux sans fils et des équipements mobiles intelligents, permet aujourd.hui d.envisager des services à valeur ajoutée, en exploitant le concept de l.informatique ubiquitaire ou pervasive. A l.inverse de l.informatique traditionnelle qui est orientée traitement, l.informatique ubiquitaire exige une adaptation du logiciel vis-à-vis de l.environnement de l.utilisateur et des besoins de ce dernier. On parle ainsi d.une informatique orientée services (SOC : Service Oriented Computing). La tendance actuelle de l.approche SOC est vers la composition de services. Elle consiste à créer de nouvelles fonctionnalités en combinant des fonctionnalités offertes par d.autres services existants, composés ou non en vue d.apporter une valeur ajoutée. Dans un environnement ubiquitaire, on parle de services sensibles au contexte, car ces services s.adaptent au contexte de l.utilisateur. Leur composition nécessite alors de prendre en compte le contexte et l.incertitude de l.environnement ubiquitaire. Cette thèse de magistère s.inscrit dans cette optique et vise à modéliser et composer des services sensibles au contexte. Il s.agit d.abord d.automatiser le processus de composition. Ensuite, étudier différentes approches afin de sélectionner les services pertinents et prendre en compte les perturbations qui surviennent sur ces services. Ces approches sont : les processus de décisions Markoviens (MDP), l.apprentissage de modèles Bayésiens et modèles à base d.agents. Les testes que nous avons effectués au cours de ce travail montrent clairement la performance des processus de décision markovien et de l.apprentissage Bayésien pour la composition de services sensibles au contexte.
