Academic literature on the topic 'Focalisation spatiale de données'

Cette thèse étudie la focalisation spatiale de données (FSD) comme moyen d'effectuer la diffusion géolocalisée de données sans fil sur la couche physique, c'est-à-dire la multidiffusion basée sur la position ou la diffusion géographiquement limitée. Cette nouvelle approche peut aider à fournir des services et des messages basés sur la position à de grands groupes d'appareils mobiles qui existent dans les cadres émergents de l'internet des objets pour les villes intelligentes, les industries, les soins de santé, etc. Il permet de résoudre et d'éviter les problèmes de confidentialité qui existent dans les services de géodiffusion classiques, où les utilisateurs sont tenus de révéler leur position. En outre, il surmonte les exigences d'auto-localisation des nœuds et l'équilibre difficile entre la complexité, l'évolutivité et le taux de livraison qui existent dans les algorithmes de routage de géodiffusion de la couche réseau. Plus important encore, elle réussit à augmenter la précision, à réduire la taille du réseau d'antennes et à minimiser la complexité - les conditions les plus cruciales pour faire de la géodiffusion sur la couche physique un système attrayant - par rapport aux approches conventionnelles de focalisation de la puissance basées sur la formation de faisceaux. Dans le cadre du FSD, il remédie en outre à deux lacunes fondamentales. Il s'agit (i) d'une limitation à la focalisation dans le domaine angulaire uniquement ou, de manière équivalente, de l'incapacité de focaliser dans le domaine de la distance et (ii) d'une forte sensibilité à la propagation par trajets multiples qui compromet le fonctionnement correct en dehors des canaux hypothétiques de l'espace libre. Ces problèmes sont résolus par la conception de deux nouvelles architectures FSD qui exploitent les ressources de transmission multifréquence dans un cadre de multiplexage par répartition orthogonale de la fréquence (orthogonal frequency-division multiplexing, OFDM) et de réseaux de fréquences diverses (frequency diverse array, FDA). En outre, une architecture SDF expérimentale a été mise au point pour démontrer sa faisabilité pratique en tant que nouvelle technique de géocasting<br>This thesis investigates spatial data focusing (SDF) as a means of performing wireless physical-layer geocasting, i.e. location-based multicasting or geographically-confined broadcasting. This novel approach can aid in providing location-based services and messaging to large groups of mobile devices that exist in emerging internet-of-things frameworks for smart cities, industries, healthcare, etc., providing users with information that is related or contextualized to their geographical location. It addresses and avoids privacy concerns that exist in conventional location-based services, where users are required to disclose their location. In addition, it overcomes node self-localization requirements and the challenging balance between overhead, scalability, and delivery rate that exist in network-layer geocast routing algorithms. Most importantly, it succeeds in increasing precision, reducing array size, and minimizing complexity - the most crucial conditions in making physical-layer geocasting an attractive scheme - compared to conventional beamforming-based power focusing approaches. Within the SDF framework, it additionally addresses two fundamental shortcomings. That is, (i) a limitation to focusing in the angular domain only or, equivalently, the inability for range-domain focusing and (ii) a severe sensitivity to multipath propagation that jeopardizes correct operation outside hypothetical free space channels. They are overcome by designing two novel SDF architectures that exploit multi-frequency transmission resources in an orthogonal frequency-division multiplexing (OFDM) and frequency diverse array (FDA) framework. Additionally, an experimental proof-of-concept SDF architecture is developed that demonstrates its practical achievability as a novel geocasting technique

Ce travail propose la mise en œuvre de la focalisation spatiale de données (FSD) en utilisant des techniques de spectre étalé. La FSD a récemment été proposée comme alternative aux schémas classiques de focalisation de puissance dans des scenarios de geocasting (diffusion géolocalisée des données). Dans la FSD, ce sont de données à transmettre qui sont traitées de telle qu'elles ne peuvent être décodées qu'à un endroit prédéfini. Ce travail exploite la double orthogonalité due aux IQ et aux séquences orthogonales d'étalement Gold pour concevoir le schéma de focalisation spatiale de données basé sur le IQ et le spectre étalé (DSSS-SDF-IQ). Il est démontré que la FSD permet d’obtenir des faisceaux plus étroits par rapport aux scénarios de focalisation de puissance. La robustesse du schéma proposé est ensuite démontrée par sa mise en œuvre sur un modèle de canal à trajets multiples. Il est démontré que la FSD atteint une largeur de faisceau allant jusqu'à 1 degré avec un réseau de 4 antennes seulement. Le chapitre 1 introduit le concept de géocasting. Le chapitre 2 passe en revue les différentes techniques qui permettent d'obtenir des capacités directionnelles sur les stations de base. Le chapitre 3 présente les principes de l'étalement du spectre par séquence directe basé sur la FSD. Le chapitre 4 étudie l'influence du canal à trajets multiples sur le schéma proposé. Pour tous les cas étudiés ci-dessus, des simulations pertinentes sont mises en œuvre pour valider les discussions. Le chapitre 5 résume le travail avec une conclusion et une perspective sur les orientations possibles de la recherche future<br>This work proposes the implementation of Spatial Data Focusing (SDF) using spread spectrum techniques. SDF was recently proposed as a candidate alternative to classical power focusing schemes in wireless geocasting applications. Unlike power focusing approaches where radiated power is directed to a defined direction, in SDF, it is the data to be transmitted that is processed in such a manner that it can only be decoded at a predefined location. This work exploits the dual orthogonality due to classical quadrature components and orthogonal Gold spreading sequences to design the IQ and spread spectrum based spatial data focusing (DSSS-SDF-IQ) scheme. It is demonstrated that SDF attains better spatial selectivity than classical power focusing for a given antenna array size. The robustness of the proposed scheme is subsequently demonstrated by implementing it over a classical Urban Canyon 6-ray multipath channel model, where it is shown that the scheme can exhibit beamwidth as narrow as 1 degree with only a 4-antenna array. In SDF, the beamwidth is defined as the area within which data can be decoded as opposed to classical half power beamwidth. Chapter 1 introduces the concept of geocasting. Chapter 2 reviews the different techniques that enable directional capabilities on base stations. Chapter 3 introduces the principles of direct sequence spread spectrum based SDF. Chapter 4 investigates the influence of multipath channel on DSSS-SDF scheme. For all the cases studied above, relevant simulations are implemeneted to validate the discussions. Chapter 5 summarizes the work with a conclusion and perspective on possible future research directions

Ce mémoire de thèse touche deux champs de recherche importants en statistique inférentielle, notamment l’économétrie spatiale et l’analyse de données fonctionnelles. Plus précisément, nous nous sommes intéressés à l’analyse de données réelles spatiales ou spatio-fonctionnelles en étendant certaines méthodes inférentielles pour prendre en compte une éventuelle dépendance spatiale. Nous avons d’abord considéré l’estimation d’un modèle autorégressif spatiale (SAR) ayant une variable dépendante fonctionnelle et une variable réponse réelle à l’aide d’observations sur une unité géographique donnée. Il s’agit d’un modèle de régression avec la spécificité que chaque observation de la variable indépendante collectée dans un emplacement géographique dépend d’observations de la même variable dans des emplacements voisins. Cette relation entre voisins est généralement mesurée par une matrice carrée nommée matrice de pondération spatiale et qui mesure l’effet d’interaction entre les unités spatiales voisines. Cette matrice est supposée exogène c’est-à-dire la métrique utilisée pour la construire ne dépend pas des mesures de variables explicatives du modèle. L’apport de cette thèse sur ce modèle réside dans le fait que la variable explicative est de nature fonctionnelle, à valeurs dans un espace de dimension infinie. Notre méthodologie d’estimation est basée sur une réduction de la dimension de la variable explicative fonctionnelle, par l’analyse en composantes principales fonctionnelles suivie d’une maximisation de la vraisemblance tronquée du modèle. Des propriétés asymptotiques des estimateurs, des illustrations des performances des estimateurs via une étude de Monte Carlo et une application à des données réelles environnementales ont été considérées. Dans la deuxième contribution, nous reprenons le modèle SAR fonctionnel étudié dans la première partie en considérant une structure endogène de la matrice de pondération spatiale. Au lieu de se baser sur un critère géographique pour calculer les dépendances entre localisations voisines, nous calculons ces dernières via un processus endogène, c’est-à-dire qui dépend des variables à expliquées. Nous appliquons la même approche d’estimation à deux étapes décrite ci-dessus, nous étudions aussi les performances de l’estimateur proposé pour des échantillons à taille finie et discutons le cadre asymptotique. Dans la troisième partie de cette contribution, nous nous intéressons à l’hétéroscédasticité dans les modèles partiellement linéaires pour variables exogènes réelles et variable réponse binaire. Nous proposons un modèle Probit spatial contenant une partie non-paramétrique. La dépendance spatiale est introduite au niveau des erreurs (perturbations) du modèle considéré. L’estimation des parties paramétrique et non paramétrique du modèle est récursive et consiste à fixer d’abord les composants paramétriques et à estimer la partie non paramétrique à l’aide de la méthode de vraisemblance pondérée puis utiliser cette dernière estimation pour construire un profil de la vraisemblance pour estimer la partie paramétrique. La performance de la méthode proposée est étudiée via une étude Monte Carlo. La contribution finit par une étude empirique sur la relation entre la croissance économique et la qualité environnementale en Suède à l’aide d’outils de l’économétrie spatiale<br>This thesis covers two important fields of research in inferential statistics, namely spatial econometrics and functional data analysis. More precisely, we have focused on the analysis of real spatial or spatio-functional data by extending certain inferential methods to take into account a possible spatial dependence. We first considered the estimation of a spatial autoregressive model (SAR) with a functional dependent variable and a real response variable using observations on a given geographical unit. This is a regression model with the specificity that each observation of the independent variable collected in a geographical location depends on observations of the same variable in neighboring locations. This relationship between neighbors is generally measured by a square matrix called the spatial weighting matrix, which measures the interaction effect between neighboring spatial units. This matrix is assumed to be exogenous, i.e. the metric used to construct it does not depend on the explanatory variable. The contribution of this thesis to this model lies in the fact that the explanatory variable is of a functional nature, with values in a space of infinite dimension. Our estimation methodology is based on a dimension reduction of the functional explanatory variable through functional principal component analysis followed by maximization of the truncated likelihood of the model. Asymptotic properties of the estimators, illustrations of the performance of the estimators via a Monte Carlo study and an application to real environmental data were considered. In the second contribution, we use the functional SAR model studied in the first part by considering an endogenous structure of the spatial weighting matrix. Instead of using a geographical criterion to calculate the dependencies between neighboring locations, we calculate them via an endogenous process, i.e. one that depends on explanatory variables. We apply the same two-step estimation approach described above and study the performance of the proposed estimator for finite or infinite-tending samples. In the third part of this thesis we focus on heteroskedasticity in partially linear models for real exogenous variables and binary response variable. We propose a spatial Probit model containing a non-parametric part. Spatial dependence is introduced at the level of errors (perturbations) of the model considered. The estimation of the parametric and non-parametric parts of the model is recursive and consists of first setting the parametric parameters and estimating the non-parametric part using the weighted likelihood method and then using the latter estimate to construct a likelihood profile to estimate the parametric part. The performance of the proposed method is investigated via a Monte-Carlo study. An empirical study on the relationship between economic growth and environmental quality in Sweden using some spatial econometric tools finishes the document

La gestion efficace des données temporelles et multiversions est cruciale pour nombre d'applications de base de données, des plus classiques aux plus récentes. La hiérarchie de mémoires est le goulot d'étranglement majeur pour les systèmes de gestion de base de données. Un des principaux moyens pour optimiser l'utilisation de la hiérarchie de mémoires et d'optimiser la localité spatiale des données, c'est-à-dire de placer de manière contiguë les données qui ont de grandes chances d'être lues au même moment. Le problème posé dans cette thèse est d'optimiser la localité spatiale des données temporelles et multiversions à tous les niveaux de la hiérarchie de mémoires, via les structures d'indexation et les stratégies de stockage. Cette thèse définit un modèle de coût, l'analyse en régime permanent, permettant d'estimer avec précision les performances des différentes structures d'indexation et de comprendre leur comportement. Ainsi, l'analyse fournit aux concepteurs de bases de données temporelles ou multiversions les outils leur permettant de choisir la structure d'indexation qui sied le mieux à leurs applications. Cette thèse étudie également l'impact de la redondance due au versionnement sur l'utilisation du cache de second niveau. La thèse propose à cet effet deux modèles de stockage qui, contrairement aux modèles de stockage standards, évitent la redondance due au versionnement et optimisent l'utilisation du cache de second niveau et de la bande passante de la mémoire vive<br>The efficient management of temporal and multiversion data is crucial for many traditional and emerging database applications. A major performance bottleneck for database systems is the memory hierarchy. One of the main means for optimizing the utilization of the memory hierarchy is to optimize data spatial locality, i. E. To put contiguously data that are likely to be read simultaneously. The problem studied in this thesis is to optimize temporal and multiversion data spatial locality at all levels of the memory hierarchy, using index structures and storage policies. In particular, this thesis proposes a cost model, the steady state analysis, allowing an accurate estimation of the performance of different index structures. The analysis provides database designers tools allowing them to determine the most suitable index structure, for given data and application characteristics. This thesis also studies the impact of version redundancy on L2 cache utilization. It proposes two storage models which, in contrast with the standard storage models, avoid version redundancy and optimize L2 cache and main memory bandwidth utilization

L’extraction d’information spatiale à partir de données textuelles est désormais un sujet de recherche important dans le domaine du Traitement Automatique du Langage Naturel (TALN). Elle répond à un besoin devenu incontournable dans la société de l’information, en particulier pour améliorer l’efficacité des systèmes de Recherche d’Information (RI) pour différentes applications (tourisme, aménagement du territoire, analyse d’opinion, etc.). De tels systèmes demandent une analyse fine des informations spatiales contenues dans les données textuelles disponibles (pages web, courriels, tweets, SMS, etc.). Cependant, la multitude et la variété de ces données ainsi que l’émergence régulière de nouvelles formes d’écriture rendent difficile l’extraction automatique d’information à partir de corpus souvent peu standards d’un point de vue lexical voire syntaxique.Afin de relever ces défis, nous proposons, dans cette thèse, des approches originales de fouille de textes permettant l’identification automatique de nouvelles variantes d’entités et relations spatiales à partir de données textuelles issues de la communication médiée. Ces approches sont fondées sur trois principales contributions qui sont cruciales pour fournir des méthodes de navigation intelligente. Notre première contribution se concentre sur la problématique de reconnaissance et d’extraction des entités spatiales à partir de corpus de messages courts (SMS, tweets) marqués par une écriture peu standard. La deuxième contribution est dédiée à l’identification de nouvelles formes/variantes de relations spatiales à partir de ces corpus spécifiques. Enfin, la troisième contribution concerne l’identification des relations sémantiques associées à l’information spatiale contenue dans les textes. Les évaluations menées sur des corpus réels, principalement en français (SMS, tweets, presse), soulignent l’intérêt de ces contributions. Ces dernières permettent d’enrichir la typologie des relations spatiales définies dans la communauté scientifique et, plus largement, de décrire finement l’information spatiale véhiculée dans les données textuelles non standards issues d’une communication médiée aujourd’hui foisonnante<br>The extraction of spatial information from textual data has become an important research topic in the field of Natural Language Processing (NLP). It meets a crucial need in the information society, in particular, to improve the efficiency of Information Retrieval (IR) systems for different applications (tourism, spatial planning, opinion analysis, etc.). Such systems require a detailed analysis of the spatial information contained in the available textual data (web pages, e-mails, tweets, SMS, etc.). However, the multitude and the variety of these data, as well as the regular emergence of new forms of writing, make difficult the automatic extraction of information from such corpora.To meet these challenges, we propose, in this thesis, new text mining approaches allowing the automatic identification of variants of spatial entities and relations from textual data of the mediated communication. These approaches are based on three main contributions that provide intelligent navigation methods. Our first contribution focuses on the problem of recognition and identification of spatial entities from short messages corpora (SMS, tweets) characterized by weakly standardized modes of writing. The second contribution is dedicated to the identification of new forms/variants of spatial relations from these specific corpora. Finally, the third contribution concerns the identification of the semantic relations associated withthe textual spatial information

Ce mémoire de thèse porte sur la statistique inférentielle des données spatiales et/ou fonctionnelles. En effet, nous nous sommes intéressés à l’estimation de paramètres inconnus de certains modèles à partir d’échantillons obtenus par un processus d’échantillonnage aléatoire ou non (stratifié), composés de variables indépendantes ou spatialement dépendantes.La spécificité des méthodes proposées réside dans le fait qu’elles tiennent compte de la nature de l’échantillon étudié (échantillon stratifié ou composé de données spatiales dépendantes).Tout d’abord, nous étudions des données à valeurs dans un espace de dimension infinie ou dites ”données fonctionnelles”. Dans un premier temps, nous étudions les modèles de choix binaires fonctionnels dans un contexte d’échantillonnage par stratification endogène (échantillonnage Cas-Témoin ou échantillonnage basé sur le choix). La spécificité de cette étude réside sur le fait que la méthode proposée prend en considération le schéma d’échantillonnage. Nous décrivons une fonction de vraisemblance conditionnelle sous l’échantillonnage considérée et une stratégie de réduction de dimension afin d’introduire une estimation du modèle par vraisemblance conditionnelle. Nous étudions les propriétés asymptotiques des estimateurs proposées ainsi que leurs applications à des données simulées et réelles. Nous nous sommes ensuite intéressés à un modèle linéaire fonctionnel spatial auto-régressif. La particularité du modèle réside dans la nature fonctionnelle de la variable explicative et la structure de la dépendance spatiale des variables de l’échantillon considéré. La procédure d’estimation que nous proposons consiste à réduire la dimension infinie de la variable explicative fonctionnelle et à maximiser une quasi-vraisemblance associée au modèle. Nous établissons la consistance, la normalité asymptotique et les performances numériques des estimateurs proposés.Dans la deuxième partie du mémoire, nous abordons des problèmes de régression et prédiction de variables dépendantes à valeurs réelles. Nous commençons par généraliser la méthode de k-plus proches voisins (k-nearest neighbors; k-NN) afin de prédire un processus spatial en des sites non-observés, en présence de co-variables spatiaux. La spécificité du prédicteur proposé est qu’il tient compte d’une hétérogénéité au niveau de la co-variable utilisée. Nous établissons la convergence presque complète avec vitesse du prédicteur et donnons des résultats numériques à l’aide de données simulées et environnementales.Nous généralisons ensuite le modèle probit partiellement linéaire pour données indépendantes à des données spatiales. Nous utilisons un processus spatial linéaire pour modéliser les perturbations du processus considéré, permettant ainsi plus de flexibilité et d’englober plusieurs types de dépendances spatiales. Nous proposons une approche d’estimation semi paramétrique basée sur une vraisemblance pondérée et la méthode des moments généralisées et en étudions les propriétés asymptotiques et performances numériques. Une étude sur la détection des facteurs de risque de cancer VADS (voies aéro-digestives supérieures)dans la région Nord de France à l’aide de modèles spatiaux à choix binaire termine notre contribution<br>This thesis is about statistical inference for spatial and/or functional data. Indeed, weare interested in estimation of unknown parameters of some models from random or nonrandom(stratified) samples composed of independent or spatially dependent variables.The specificity of the proposed methods lies in the fact that they take into considerationthe considered sample nature (stratified or spatial sample).We begin by studying data valued in a space of infinite dimension or so-called ”functionaldata”. First, we study a functional binary choice model explored in a case-controlor choice-based sample design context. The specificity of this study is that the proposedmethod takes into account the sampling scheme. We describe a conditional likelihoodfunction under the sampling distribution and a reduction of dimension strategy to definea feasible conditional maximum likelihood estimator of the model. Asymptotic propertiesof the proposed estimates as well as their application to simulated and real data are given.Secondly, we explore a functional linear autoregressive spatial model whose particularityis on the functional nature of the explanatory variable and the structure of the spatialdependence. The estimation procedure consists of reducing the infinite dimension of thefunctional variable and maximizing a quasi-likelihood function. We establish the consistencyand asymptotic normality of the estimator. The usefulness of the methodology isillustrated via simulations and an application to some real data.In the second part of the thesis, we address some estimation and prediction problemsof real random spatial variables. We start by generalizing the k-nearest neighbors method,namely k-NN, to predict a spatial process at non-observed locations using some covariates.The specificity of the proposed k-NN predictor lies in the fact that it is flexible and allowsa number of heterogeneity in the covariate. We establish the almost complete convergencewith rates of the spatial predictor whose performance is ensured by an application oversimulated and environmental data. In addition, we generalize the partially linear probitmodel of independent data to the spatial case. We use a linear process for disturbancesallowing various spatial dependencies and propose a semiparametric estimation approachbased on weighted likelihood and generalized method of moments methods. We establishthe consistency and asymptotic distribution of the proposed estimators and investigate thefinite sample performance of the estimators on simulated data. We end by an applicationof spatial binary choice models to identify UADT (Upper aerodigestive tract) cancer riskfactors in the north region of France which displays the highest rates of such cancerincidence and mortality of the country

La diffusion massive de dispositifs portables, de plus en plus utilisés pour le traitement et la communication de l'information, permet la collecte d'importantes masses de données liées à l'activité des utilisateurs sur des applications mobiles. Nous nous intéressons aux données de localisation (les traces de mobilité) qui sont issues de systèmes mobiles formés par un groupe d'utilisateurs. Les données de mobilité produites dans un système mobile sont étudiées suivant deux axes : - L'utilisation des modèles de mobilité est à la base du développement d'algorithmes de communication dédiés au systèmes mobiles. Les données de mobilité réelles concernant les utilisateurs vont nous permettre de comparer les données de mobilité synthétiques utilisées dans la simulation avec la réalité qu'ils sont censés décrire. - La manipulation des données de mobilité réelles implique une réflexion sur les conséquences que les informations extraites de ces données ont relativement à la protection de la vie privée des utilisateurs. Les contributions sur ces deux fronts sont les suivantes : - Une analyse fine des propriétés spatiales et sociales d'un ensemble de traces de mobilité réelles collecté expérimentalement à l'aide d'une plateforme à haute precision. - Une comparaison exploratoire entre des traces de mobilité réelles et des traces de mobilité synthétiques générées à partir de sept différents modèle de mobilité. - La conception et l'analyse d'un algorithme d'inférence par co-localisation décorrélée des informations sur la localisation des utilisateurs ciblés. - La quantification du potentiel des données de co-localisation non-déterministes sur la perte de protection de la vie privée d'un ensemble d'utilisateurs<br>The wide diffusion of smart portable devices allows the collection of a big amount of data concerning the activities of users from mobile apps. We focus our attention on location data, i.e. mobility traces, of a set of users in a crowd. Data collected from these mobile systems are studied following two axies: - Mobility models are used to simulate the behavior of users to develop opportunistic forwarding algorithms. We compare real and synthetic mobility traces to show the distance between the reality and the models. - Information on mobility may endanger the privacy of users. We analyze the impact of such information on privacy of users. The main contributions are: - We analyze the spatial and social properties of human motion from real traces collected by a highly accurate experimental localization system. - We compare the real traces with synthetic mobility traces generated from seven popular mobility models - We provide an inference algorithm based on co-location of users and we show its efficiency on different datasets. - We quantify the effect of probabilistic co-location information by means of a novel co-location attack

Les données massives se situent au coeur de beaucoup d’enjeux scientifiques et sociétaux, et leur volume global ne cesse de croître. Il devient donc crucial de disposer de solutions permettant leur traitement et leur analyse. Hélas, alors qu’une majorité de ces données intègrent une composante spatiale vectorielle, peu de systèmes sont à même de gérer cette dernière. En outre, les rares prototypes qui s’y essaient respectent mal les standards ISO et les spécifications OGC et présentent des performances limitées. La présente recherche visait donc à déterminer comment gérer les données spatiales massives vectorielles de façon plus complète et efficiente. Il s’agissait en particulier de trouver une façon de les indexer avec une bonne scalabilité horizontale, d’assurer leur compatibilité avec la norme ISO-19125 et ses extensions, et de les rendre accessibles depuis les logiciels SIG. Il en résulte le système Elcano, une extension spatiale au système de gestion de données massives Spark qui fournit des performances accrues par rapport aux solutions du marché.<br>Big data are in the midst of many scientific and economic issues. Furthermore their volume is continuously increasing. As a result, the need for management and processing solutions has become critical. Unfortunately, while most of these data have a vectorial spatial component, almost none of the current systems are able to manage it. In addition, the few systems who try either do not respect the ISO standards and OGC specifications or show poor performances. The aim of this research was then to determine how to manage the vectorial massive data more completely and efficiently. The objective was to find a scalable way of indexing them, ensuring their compatibility with ISO-19125 and its extensions, and making them accessible from GIS. The result is the Elcano system. It is an extension of the massive data management system Spark which provides increased performance compared to current market solutions.

L'objectif de la mission MICROSCOPE est de tester le Principe d'Equivalence avec une précision encore inégalée de 1E-15. L'expérience sera menée en orbite grâce à un accéléromètre différentiel électrostatique embarqué à bord d'un microsatellite à traînée compensée. Elle consiste à comparer les accélérations appliquées à deux masses de composition différente en lévitation électrostatique pour les maintenir sur la même trajectoire. La précision de la mesure exploitée pour ce test est limitée par la connaissance à priori des paramètres de dimensionnement de l'instrument. Des sessions d'étalonnage en orbite sont indispensables pour évaluer précisément leurs valeurs afin de corriger la mesure des effets. Des procédures d'étalonnage appropriées ont été déterminées. Afin de valider leurs performances, elles ont été implémentées dans un simulateur dédié aux phases d'étalonnage et modélisant l'instrument, le satellite et son environnement. Par ailleurs, d'autres perturbations sont à considérer lors du traitement des données scientifiques : des effets numériques apparaissent du fait du caractère fini dans le temps de la mesure. Ces effets ont été évalués et une procédure de traitement des données a été déterminée afin de les minimiser en situation nominale ainsi qu'en cas de mesures manquantes, ces dernières pouvant amplifier les perturbations numériques. Enfin, un simulateur permettant de jouer l'ensemble de la mission a été développé afin d'étudier l'association des perturbations instrumentales et numériques. En reproduisant à la fois les phases d'étalonnage et de test du Principe d'Equivalence, il permet de valider le protocole de correction et de traitement de la mesure<br>The MICROSCOPE space mission aims at testing the Equivalence Principle with an accuracy of 1E-15. The instrument will be embarked on board a drag-free microsatellite, and consists in a differential electrostatic accelerometer composed of two test masses submitted to the same gravitional field but made of different material. The accelerations applied to the masses to maintain them relatively motionless are measured and will demonstrate a violation of the universality of free fall if found unequal. The accuracy of the measurement exploited for the test is limited by our a priori knowledge of the instrument physical parameters. An in-orbit calibration is needed to finely characterize them in order to correct the measurement. Appropriate calibration procedures have been determined. In order to validate their performances, they have been implemented in a software tool dedicated to the calibration sessions which simulates the instrument, the satellite and its environment. Other pertubations must be considered during the data analysis : numerical effects arise from the finite time span of the measurement. These effects have been evaluated and a procedure has been determined to process the data with minimal numerical perturbations, in a nominal situation as well as in the case of missing data, which may amplify these effects. Finally, a simulator has been developed for the entire mission scenario in order to study the association of instrumental and numerical simulations. This tool enables to simulate both the calibration sessions and the sessions for the test of the Equivalence Principle, and is therefore used to validate the protocol of measurement correction and analysis