Cette thèse a pour cadre l’interaction utilisateur - environnements à intelligence ambiante, en particulier l’analyse du comportement de l’utilisateur et la modélisation de son intention. Il s’agit d’étudier la faisabilité de techniques crédibilistes (théorie de l’évidence ou théorie des fonctions de croyance ou de Dempster-Shafer) pour la fusion de données et d’analyse de connaissances contextuelles imparfaites. Ces techniques seront comparées aux autres approches notamment les techniques de fusion de données probabilistes et/ou possibilistes en présence d’incertitudes ou de défaillance de mesures. Pour rendre l’étude concrète, nous visons dans cette thèse la mise en œuvre l’analyse de postures d’un utilisateur dans ses activités quotidiennes à travers des capteurs intelligents embarqués sur le corps de la personne.
D’un point de vus algorithmique, un des problèmes posé lors de la mise en œuvre de la théorie de Dempster/Shafer concerne l'estimation des fonctions de croyance quantifiant les degrés de confiance pour une hypothèse, ainsi que pour la quantification numérique de l'incertitude. Dans le cadre de cette thèse, on s’attachera à développer une méthodologie d’estimation basée sur des techniques standards : apprentissage, heuristiques, …
D’un point de vue intégration, l’objectif consistera à intégrer les services de modélisation de d’intention à travers l’analyse de la posture dans un Middleware sémantique pour la fourniture et la composition de services sensibles au contexte dans les systèmes intelligents ambiants avec pour application l'assistance aux personnes en environnement indoor (habitat intelligent).