Boyam Fabrice Yameogo

L’objectif de mes recherches pendant mon doctorat était de de proposer des solutions permettant de pallier certaines insuffisances relevées dans la littérature sur ce sujet. Dans un premier temps, les principales méthodes de génération de population synthétique à deux niveaux (individus et ménages) sont présentées de façon détaillée. La recension de ces méthodes s’achève sur la proposition d’un arbre de décision qui permet de faire un choix raisonné entre les méthodes présentées. Une population synthétique d’individus répartis dans des ménages est générée dans un second temps en comparant différents algorithmes. Après génération de la population synthétique, une méthodologie d’attribution de caractéristiques supplémentaires à partir de données agrégées est développée. L’ajout d’une nouvelle caractéristique est formulé comme une maximisation de l’entropie en associant les attributs disponibles dans la population synthétique et les données agrégées. La validation de cette méthodologie a consisté à l’affectation d’un revenu à un nombre conséquent de ménages synthétiques. Enfin, une approche innovante de spatialisation d’une population synthétique à une échelle géographique plus fine est proposée. Le processus d’affectation est modélisé comme un problème de programmation quadratique mixte en nombres entiers. Bien qu’appliqués à des données françaises librement accessibles, la totalité des algorithmes implémentés restent génériques et transposables à d’autres sources de données.