Titre : Modélisation stochastique et analyse des dynamiques du financement participatif et de l’influence sociale dans les réseaux en ligne
Lieu : Salle des thèses d’Avignon Université, au centre-ville d’Avignon.
Date : mardi 20 octobre 2026 à 14h00
Le jury sera composé de :
- Salah EL AYOUBI, Professeur — CentraleSupélec, L2S, France (Rapporteur)
- Patrick MAILLÉ, Professeur — IMT Atlantique, France (Rapporteur)
- Tania JIMÉNEZ, Ingénieure de recherche — Avignon Université, LIA, France (Examinatrice)
- Francesco DE PELLEGRINI, Professeur — Avignon Université, LIA, France (Examinateur)
- Hamamache KHEDDOUCI, Professeur — Université Lyon 1, France (Examinateur)
- Yezekael HAYEL, Professeur — Avignon Université, LIA, France (Directeur de thèse)
- Vineeth S. VARMA, Chercheur CNRS — CRAN, Université de Lorraine – ENSEM, France (Co-directeur de thèse)
Résumé :
Les plateformes en ligne sont devenues des systèmes importants où les individus interagissent, échangent des informations, prennent des décisions et s’influencent les uns les autres au cours du temps. Les plateformes de financement participatif, les réseaux sociaux, les systèmes de recommandation et les plateformes de logiciels libres sont des exemples de tels systèmes. Dans ces systèmes, les décisions ne dépendent pas seulement sur les préférences personnelles, mais aussi sur les interactions sociales, la visibilité offerte par la plateforme, les actions précédentes et la structure du réseau. Ainsi, les interactions répétées entre de nombreux utilisateurs peuvent conduire à des dynamiques collectives qui évoluent au cours du temps.
Cette thèse développe des modèles stochastiques et des méthodes analytiques pour étudier les dynamiques collectives dans les systèmes en réseau. La motivation principale vient des campagnes de financement participatif, où les contributeurs arrivent au cours du temps, observent l’état de la campagne et décident de participer ou non. La thèse considère également la propagation d’influence compétitive dans les réseaux sociaux, l’apprentissage social avec rationalité hétérogène, ainsi que la dynamique des contributeurs dans les projets de logiciels libres.
Dans l’ensemble, cette thèse montre comment la modélisation stochastique, l’analyse de réseaux, les méthodes d’approximation et la théorie des jeux peuvent être combinées pour étudier les comportements collectifs dans les systèmes en ligne et en réseau. Les résultats contribuent à une meilleure compréhension de la manière dont les décisions individuelles, l’influence sociale, les mécanismes de plateforme et la structure du réseau influencent l’évolution des campagnes de financement participatif, des processus d’influence, des dynamiques d’apprentissage et des communautés collaboratives.