Abstract FR:

L'analyse de correlation en chimie fait appel a des modeles theoriques arbitraires, afin d'expliquer les relations observees entre des structures moleculaires et la reactivite chimique. Mais ces modeles ne sont pas toujours suffisants pour interpreter les correlations etudiees et on utilise alors des modeles empiriques, dont l'objectif principal est de representer et de predire le phenomene etudie. Pour etablir ces modeles, il existe des algorithmes performants permettant de choisir les experiences a effectuer pour estimer les coefficients du modele postule le plus precisement possible et pour avoir une prevision de bonne qualite. Le choix de ces experiences peut se faire uniquement sur des criteres mathematiques, mais se pose alors le probleme de la validite de l'information obtenue. Aussi, nous avons complete cette demarche optimale par une strategie basee sur la distribution uniforme de l'information dans l'espace. Cette approche methodologique est illustree dans deux domaines d'etude particulierement interessants pour les chimistes: l'etude des effets de solvants et des effets de substituants. Nous avons montre que, quelle que soit la reaction etudiee, le choix des experiences informatives est le meme et qu'il ne depend que du modele postule et du domaine experimental