Entrepôt de données multi-modèle pour la surveillance épidémiologique : de la conception à l'implémentation

Multi-model data warehouse for epidemiology monitoring : from design to implementation

• Auteur / Autrice : Fagniné Alassane Coulibaly
• Direction : Sandro Bimonte
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 20/03/2025
• Etablissement(s) : Université Clermont Auvergne (2021-...)
• Ecole(s) doctorale(s) : École doctorale des sciences pour l'ingénieur (Clermont-Ferrand)
• Partenaire(s) de recherche : Laboratoire : Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture. Technologies et systèmes d’information pour les agrosystèmes
• Jury : Président / Présidente : François Pinet
• Jury : Examinateurs / Examinatrices : Frédéric Fabre, Sana Sellami
• Jury : Rapporteurs / Rapporteuses : Jérôme Darmont, Laurent D'Orazio
• DOI : 10.70675/73dd7e1dz916dz4caeza790z307103202656

Mots clés

Mots clés contrôlés

Entrepôts de données

Vigne

Épidémiologie

Surveillance

Mots clés libres

Entrepôt de données multi-Model

Conception

Business Intelligence Géographique

Surveillance épidémiologique

Data Lake

Lakehouse

Multi-Model data warehouse

Design

Geographic Business Intelligence

Epidemiology monitoring

Data lake

Data lakehouse

Résumé

Cette thèse porte sur la conception et l'implémentation d'entrepôts de données multi-modèle (MMDW) dédiés à la surveillance épidémiologique, en prenant pour cas d'étude la gestion de la flavescence dorée de la vigne dans la région de Bordeaux. Dans un contexte où le volume et la variété des données (relationnelles, documents, graphes, données spatiales) sont particulièrement importants, cette recherche répond aux défis liés à leur intégration, leur analyse et leur visualisation. L'approche méthodologique proposée met l'accent sur l'extensibilité des schémas multidimensionnels, assurant une adaptation continue aux évolutions des données et des besoins analytiques. Les contributions incluent : (1) une méthodologie (xCube) pour la prise en compte de l'extensibilité des entrepôts de données multi-modèle ; (2) une architecture de données pour l'implémentation de xCube ; et (3) La mise en œuvre d'un entrepôt de données multi-modèle pour la surveillance de la flavescence dorée qui permet de réaliser des analyses SOLAP. Les résultats obtenus démontrent que cet outil facilite la prise de décision en fournissant des indicateurs précis pour la gestion des épidémies, tout en offrant une flexibilité qui permet d'intégrer de nouvelles données et répondre à de nouveaux besoins analytiques qui émergent après la phase de conception des entrepôts de données.

This thesis focuses on the design and implementation of multi-model data warehouses(MMDW) dedicated to epidemiological surveillance, using the management of grapevine flavescence dorée in the Bordeaux region as a case study. In a context where data volume and (relational, document, graph, and spatial data) are very important, this research addresses the challenges of data integration, analysis, and visualization. The proposed methodological approach emphasizes the extensibility of multidimensional schemas, ensuring continuous adaptation to evolving data and analytical needs. The main contributions include : (1) a methodology (xCube) for managing the extensibility of multi-model data warehouses ; (2) a data architecture for implementing xCube ; and (3) the deployment of a multi-model data warehouse dedicated to flavescence dorée surveillance, which supports SOLAP analyses. The results demonstrate that this tool facilitates decision-making by providing accurate indicators for epidemic management,while offering flexibility to integrate new data and adapt to emerging analytical requirements after the initial data warehouse design phase. This research also contributes to the advancement of decision support and Big Data concepts, paving the way for more comprehensive solutions to address the growing challenges of agroecology and plant health.