• Langue : Français
• Discipline : Sciences physiques
• Identifiant : Inconnu
• Type de mémoire : Habilitation à diriger des recherches
• Date de soutenance : 01/01/2006

Résumé en langue originale

la création de nouveaux outils de traitements en vue d'extraire les informations latentes. La chimiométrie nous procure une grande capacité de traitement. Elle est généralement concernée par les méthodes mathématiques pour la sélection, l'optimisation des procédures analytiques et l'exploitation des données expérimentales. La chimiométrie faisant maintenant partie intégrante des procédures analytiques, nous pouvons dire que la notion d'optimisation s'est généralisée à l'ensemble du processus de mesure. L'ensemble des travaux présentés dans cette synthèse permet d'évaluer le potentiel de la spectroscopie vibrationnelle couplée à la chimiométrie dans des secteurs très variés. La diversité des objectifs analytiques à atteindre et des structures de données complexes ont ainsi permis de développer, de modifier et d'appliquer de nombreuses méthodes chimiométriques. Cest dans ce sens que cette synthèse tentera de placer l'optimisation de la chimiométrie dan s le processus d'analyse spectroscopique. La chimie est devenue une discipline instrumentale générant des masses de données en constante progression. Nous avons ainsi pu observer une nette évolution de la structure des données collectées. Ainsi d'une ou deux variables mesurées sur un échantillon dans les années 60, nous sommes d'abord passés à des données multivariées conduisant à des "tableaux de données" de quelques dizaines d'échantillons et quelques dizaines de variables. L'explosion numérique est toujours bien réelle puisque nous travaillons à l'heure actuelle sur des jeux de données multiblocs constitués de plusieurs centaines de milliers voire plusieurs millions d'éléments pour des applications particulières. En conséquence, nous pouvons observer qu'il y a grossièrement une progression d'un facteur 10 de la masse de données à traiter tous les 10 ans. Très rapidement à partir des années 70 et a fortiori aujourd'hui, il devient impossible d'analyser des données multidimensionnelles sans-