Personnalisation d’analyses décisionnelles sur des données multidimensionnelles
 
 Le jury est composé de :
 
 Omar Boussaid, Professeur à l’Université Lyon 2, rapporteur
 Corine Cauvet, Professeure à l’Université Aix-Marseille 3, rapporteur
 Claude Chrisment, Professeur à l’Université Toulouse 3, examinateur
 Jamel Feki, Maitre de Conférences HDR à l’Université de Sfax, examinateur
 Anne Laurent, Professeure à l’Université Montpellier 2, examinateur
 Franck Ravat, Professeur à l’Université Toulouse I, co-encadrant
 Olivier Teste, Maitre de Conférences HDR à l’Université Toulouse 3, co-encadrant
 Gilles Zurfluh, Professeur à l’Université Toulouse I, directeur de thèse
 
 Résumé.
 
 Les systèmes OLAP (On-Line Analytical Processing) ont été proposés pour améliorer les processus de prise de décision par l’analyse de grandes masses de données. 
 Ces systèmes organisent les données sous forme d’une constellation de faits (sujets d’analyse) et de dimensions (axes d’analyse). 
 De nos jours, les besoins des décideurs ne se limitent plus à la simple navigation des données mais ils sollicitent des « analyses à la carte » qui facilitent leurs tâches quotidiennes de prise de décision. 
 Les systèmes OLAP actuels s’avèrent inadaptés à ces exigences d’adaptation. Dans cette thèse, nous nous intéressons à la personnalisation des analyses OLAP. 
 Nous proposons un cadre générique pour la prise en compte de l’usager dans l’analyse OLAP. Cette analyse est considérée comme une exploration interactive des données basée sur une succession de requêtes. Chaque étape de l’analyse constitue un contexte d’analyse qui est représenté par un arbre spécifique. Nous modélisons une analyse OLAP par un graphe de contextes d’analyse. Afin de personnaliser ces analyses, nous proposons une modélisation des préférences de l’usager portant sur le schéma ainsi que les valeurs d’une constellation. Chaque préférence est associée avec un contexte d’analyse qui précise son cadre d’application. 
 En nous basant sur le modèle de graphe d’analyse, nous définissons un mécanisme de personnalisation globale des analyses OLAP en fonction des préférences de l’usager. Ce mécanisme permet de personnaliser le contexte d’analyse courant de l’usager (personnalisation de requête) et de recommander les prochains contextes d’analyse à visiter (recommandation de requête).
 La personnalisation de requête permet d’enrichir la requête de l’usager en fonction de préférences dans le but de fournir un résultat personnalisé. Cette personnalisation est effectuée suivant une perspective utilisateur afin d’augmenter l’intérêt du résultat ou selon une perspective système où seules les K meilleures préférences qui satisfont une contrainte de personnalisation sont considérées.
 La recommandation de requête est effectuée suivant trois scénarios. L’usager est guidé dans la formulation de requêtes. Après l’exécution de la requête, le système recommande à l’usager la requête suivante en anticipant ses besoins d’analyse et des requêtes alternatives qu’il n’est pas susceptible de demander. Les recommandations sont construites progressivement à partir des préférences de l’usager par l’appariement du contexte d’analyse courant avec les contextes des préférences. 
 Afin de valider nos propositions, nous présentons un prototype de manipulations OLAP personnalisées qui est écrit en Java. Les préférences et les contextes d’analyse sont stockés en extension de la constellation dans un environnement R-OLAP. Nous montrons l’efficacité de nos approches par une série d’expérimentations. 
 
 Mots-clés: OLAP, analyse décisionnelle, personnalisation de requête, recommandation de requête, préférence utilisateur, contexte d’analyse.