Abstract FR:

Ce travail concerne le choix de l'experience qui apportera l'information la plus pertinente pour la discrimination entre structures de modeles. Les methodes classiques reposant respectivement sur les notions de t-optimalite, de d#s-optimalite et d'entropie sont d'abord presentees et comparees. De nouveaux criteres non sequentiels reposant sur la notion de d#s-optimalite sont ensuite proposes. Pour chacun d'entre eux, des conditions necessaires et suffisantes d'optimalite et un algorithme d'optimisation sont fournis. Pour la d#s-optimalite et la t-optimalite, de nouveaux algorithmes non sequentiels sont suggeres (algorithme d'echange et algorithme de remplacement global). Ces algorithmes sont plus performants que ceux de la litterature. La convergence de l'algorithme d'echange pour la t-optimalite est demontree. Un algorithme sequentiel par blocs pour la t-optimalite est construit a partir de l'algorithme non sequentiel. Le probleme de la discrimination et de l'estimation conjointes est finalement aborde. De nouveaux criteres non sequentiels et sequentiels sont proposes. Les performances des nouveaux algorithmes sont comparees avec celles des algorithmes de la litterature sur divers exemples