Pourquoi et comment désarmer? Le discours public de la SFIO et du Labour sur le désarmement (1925-1932) : étude d'histoire comparée

Pour les partis politiques attachés à des idéaux pacifiques et internationalistes, comme les partis socialistes, la période de préparation à la Conférence mondiale du désarmement, soit entre 1925 et 1932, put paraître pleine de possibilités pour la réduction des armements nationaux. Bien que ces partis aient partagé un lien transnational, par leur adhésion à l’Internationale ouvrière socialiste, ils étaient avant tout des organisations évoluant dans des cadres nationaux différents. Ainsi, les positions qu’ils mirent de l’avant afin de convaincre leur électorat respectif ne purent être totalement semblables. Dans ce mémoire, le discours public, ainsi que les arguments le sous-tendant, de la SFIO et du Labour concernant le désarmement entre le 12 décembre 1925 et le 3 février 1932 est décrit, analysé et comparé. Les raisons du désarmement, les appréciations des développements sur la question autant dans le contexte de la SDN que dans les autres réunions internationales ainsi qu’au niveau strictement national pour les deux partis sont l’objet de cette étude. Il apparaît que la SFIO et le Labour ont présenté des arguments similaires afin de justifier le désarmement. De plus, bien qu’ils aient tous deux appuyé un potentiel rôle d’arbitrage pour la SDN, alors que les socialistes ont insisté sur leur rôle de lobbyistes, les travaillistes tablèrent plutôt sur les responsabilités des chefs d’État et des « grands hommes » dans le processus, tout particulièrement lorsque leur parti fut au pouvoir. Les travaillistes démontrèrent également une ouverture pour toute avancée du désarmement, même minime, alors que les socialistes préférèrent manifestement les ententes globales. Finalement, des approches nationales aux implications différentes furent promues : l’organisation de la nation en temps de guerre en France et la promotion d’un esprit de paix en Grande-Bretagne.

Bayesian nonparametric latent variable models

L’un des problèmes importants en apprentissage automatique est de déterminer la complexité du modèle à apprendre. Une trop grande complexité mène au surapprentissage, ce qui correspond à trouver des structures qui n’existent pas réellement dans les données, tandis qu’une trop faible complexité mène au sous-apprentissage, c’est-à-dire que l’expressivité du modèle est insuffisante pour capturer l’ensemble des structures présentes dans les données. Pour certains modèles probabilistes, la complexité du modèle se traduit par l’introduction d’une ou plusieurs variables cachées dont le rôle est d’expliquer le processus génératif des données. Il existe diverses approches permettant d’identifier le nombre approprié de variables cachées d’un modèle. Cette thèse s’intéresse aux méthodes Bayésiennes nonparamétriques permettant de déterminer le nombre de variables cachées à utiliser ainsi que leur dimensionnalité. La popularisation des statistiques Bayésiennes nonparamétriques au sein de la communauté de l’apprentissage automatique est assez récente. Leur principal attrait vient du fait qu’elles offrent des modèles hautement flexibles et dont la complexité s’ajuste proportionnellement à la quantité de données disponibles. Au cours des dernières années, la recherche sur les méthodes d’apprentissage Bayésiennes nonparamétriques a porté sur trois aspects principaux : la construction de nouveaux modèles, le développement d’algorithmes d’inférence et les applications. Cette thèse présente nos contributions à ces trois sujets de recherches dans le contexte d’apprentissage de modèles à variables cachées. Dans un premier temps, nous introduisons le Pitman-Yor process mixture of Gaussians, un modèle permettant l’apprentissage de mélanges infinis de Gaussiennes. Nous présentons aussi un algorithme d’inférence permettant de découvrir les composantes cachées du modèle que nous évaluons sur deux applications concrètes de robotique. Nos résultats démontrent que l’approche proposée surpasse en performance et en flexibilité les approches classiques d’apprentissage. Dans un deuxième temps, nous proposons l’extended cascading Indian buffet process, un modèle servant de distribution de probabilité a priori sur l’espace des graphes dirigés acycliques. Dans le contexte de réseaux Bayésien, ce prior permet d’identifier à la fois la présence de variables cachées et la structure du réseau parmi celles-ci. Un algorithme d’inférence Monte Carlo par chaîne de Markov est utilisé pour l’évaluation sur des problèmes d’identification de structures et d’estimation de densités. Dans un dernier temps, nous proposons le Indian chefs process, un modèle plus général que l’extended cascading Indian buffet process servant à l’apprentissage de graphes et d’ordres. L’avantage du nouveau modèle est qu’il admet les connections entres les variables observables et qu’il prend en compte l’ordre des variables. Nous présentons un algorithme d’inférence Monte Carlo par chaîne de Markov avec saut réversible permettant l’apprentissage conjoint de graphes et d’ordres. L’évaluation est faite sur des problèmes d’estimations de densité et de test d’indépendance. Ce modèle est le premier modèle Bayésien nonparamétrique permettant d’apprendre des réseaux Bayésiens disposant d’une structure complètement arbitraire.

La cartographie participative dans la gestion cadastrale coutumière dans la tribu de Wan Pwec à Hienghène en Nouvelle-Calédonie

La cartographie participative est l’une des multiples disciplines de la géomatique. Elle a débuté dans les années 1980 afin d’aider les populations locales des pays du Sud à développer leur territoire. C’est en Nouvelle-Calédonie, dans la tribu de Wan Pwec que nous allons voir les intérêts, d’un tel processus de cartographie participative. Il est important de souligner que ce n’est pas pour développer son territoire que cette discipline est utilisée, mais plutôt pour montrer et démontrer les logiques traditionnelles de gestion de la terre existant dans les tribus kanak : logiques traditionnelles basées sur un savoir transmis de génération en génération de façon orale. C’est sur les terres coutumières de la tribu de Wan Pwec, que nous allons voir comment la vision mentale possédée par les chefs de familles et le chef de clan administre et gère les terres familiales. C’est dans une société kanak caractérisée par une forte tradition orale et n’ayant connu aucun support papier pour conserver et archiver ses connaissances que ce mémoire s’incorpore. À l’aide de la géomatique, d’une étude de cas sur le terrain et d’autres disciplines (comme l’anthropologie, le droit, l’histoire, la géographie, etc.), ce mémoire propose les résultats de ses travaux sur le savoir traditionnel du foncier coutumier.