Soutenances de thèse

Mesurer l'Influence à partir de Préférences Partielles: le Social Ranking Problem sous Incomplétude

19/02/2026 à 0h00

Mme Ariane RAVIER présente ses travaux en soutenance le 19/02/2026 à 0h00

À l'adresse suivante : Université Paris-Dauphine-PSL Place du Maréchal de Lattre de Tassigny 75016 Paris Salle des thèses - D 520

En vue de l'obtention du diplôme : Doctorat en Informatique

La soutenance est publique

Titre des travaux

Mesurer l'Influence à partir de Préférences Partielles: le Social Ranking Problem sous Incomplétude

École doctorale

École doctorale Dauphine SDOSE

Équipe de recherche

UMR 7243 - Laboratoire d'Analyse et de Modélisation de Systèmes d'Aide à la Décision

Section CNU

9 - Sciences et technologies de l'information et de la communication

Directeur(s)

Stefano MORETTI

Membres du jury

Nom Qualité Établissement Rôle
M. Stefano MORETTI Directeur de recherche UNIVERSITE PARIS DAUPHINE - PSL CoDirecteur de these
M. Patrice PERNY Professeur Sorbonne Université Rapporteur
M. Takahiro SUZUKI Lecturer University of Tokyo Rapporteur
Mme Meltem ÖZTÜRK Professeur Université Paris-Dauphine Examinateur
M. Nic WILSON Senior Researcher Fellow University College Cork Examinateur
Mme Zoi TERZOPOULOU Chargé de recherche Université Jean Monnet-St-Etienne Examinateur
M. Sébastien KONIECZNY Directeur de recherche Université d'Artois CoDirecteur de these
M. Paolo VIAPPIANI Chargé de recherche Université Paris-Dauphine Co-encadrant de these

Résumé

Le problème de Social Ranking a été introduit récemment dans la littérature dans le but de mesurer l'influence individuelle au sein de groupes (aussi appelés coalitions). La notion d'influence est un sujet d'intérêt pour plusieurs domaines de recherche depuis de nombreuses années, mais ce problème considère un cadre ordinal, dans lequel l'évaluation de la performance des coalitions ne se base pas sur des valeurs numériques. Cela permet notamment à ce problème d'être applicable dans un plus grand nombre de contextes.

 

Ces dernières années, plusieurs méthodes ont été proposées en réponse au Social Ranking Problem, chacune avec une interprétation différente de la façon dont l'influence d'un élément se reflète dans les groupes auxquels il appartient. Toutes ces méthodes se basent cependant sur l'hypothèse que l'information sur les coalitions est complète, i.e. que les préférences relatives à n'importe quelle paire de coalitions est connue. Dans les scénarios actuels, pourtant, on observe que la complétude de telles données est plutôt rare. De plus, le nombre de coalitions augmente de façon exponentielle avec la taille de la population étudiée. Pour toutes ces raisons, cette thèse s'intéresse à l'impact et aux implications de l'incomplétude de l'information relative à la performance des coalitions, sur la précision et l'efficacité des solutions de social ranking classiques.

 

Dans ce but, nous étudions l'impact de l'incomplétude de l'information relative aux coalitions, sur la précision de chaque règle de social ranking, et considérons la possibilité, pour certains types de classements sur les coalitions, de présenter une plus grande résilience à cette incomplétude. Nous introduisons par la suite les fonctions de choix social coalitionnelles, un outil pour déterminer l'élément le plus influent au sein d'une population à partir de préférences exprimées sur les groupes. Après avoir fourni une caractérisation axiomatique d'une fonction de choix social coalitionnelle basée sur la lexcel, nous proposons des outils d'élicitation pour recouvrer l'élément le plus influent d'après cette fonction, à partir d'un classement incomplet des coalitions, et en questionnant le décideur sur les préférences manquantes. Enfin, nous examinons les liens entre le problème de Social Ranking et celui d'Order Lifting, qui peuvent sembler être des problèmes inverses. A partir de cette étude, et en partant de l'hypothèse que les préférences sur les coalitions ont été déterminées en utilisant une règle d'order lifting, nous étudions l'impact de cette hypothèse structurelle sur la performance des solutions de social ranking classiques lorsque le classement sur les coalitions est incomplet.

Toutes les soutenances de thèse