DIR
O,
Un
ivers
ité
de M
on
tréal
Res
pon
sab
le d
u C
ou
rs :
2AVANT
AVANT
AVANT
AVANTPROPOS
PROPOS
PROPOS
PROPOS
3AVANT
AVANT
AVANT
AVANTPROPOS
PROPOS
PROPOS
PROPOS
4INTRODUCTION
INTRODUCTION
INTRODUCTION
INTRODUCTION
-La
nat
ure
a c
on
stit
ué
un
mo
yen
d’in
spir
atio
n p
ou
r p
lusi
eu
rs d
om
ain
es
en
info
rmat
iqu
e (
Ro
bo
tiq
ue
, dé
tect
ion
d
’an
om
alie
s, o
pti
mis
atio
n, …
)
-Plu
sie
urs
alg
ori
thm
es
on
t é
téin
spir
és
du
do
mai
ne
b
iolo
giq
ue
(al
go
rith
me
s g
én
éti
qu
es,
alg
ori
thm
es
évo
luti
on
nai
res,
ré
seau
x d
e n
eu
ron
es,
…)
-Le
sys
tèm
e im
mu
nit
aire
fai
t p
reu
ve d
e r
ob
ust
esse
(to
léra
nce
au
x f
aute
s, c
apac
ité
d’a
dap
tati
on
, …)
� ���P
ou
rqu
oi d
on
c n
e p
as e
xp
loit
er
ces
pro
pri
été
s e
n In
form
atiq
ue
??
5ARTICLE DE BASE
ARTICLE DE BASE
ARTICLE DE BASE
ARTICLE DE BASE
‘‘Artificial Immune System
s ’’
«Julie Greensmith», «Amanda
Whitbrook»and «Uwe Aickelin»
Sch
ool
of
Com
pu
ter
Sci
ence
, U
niv
ersi
ty o
f N
ott
ingh
am
, U
K
6PLAN
PLAN
PLAN
PLAN
-SystèmeImmunitaire (SI)
-SIA : ApprochesProposées
-Exemplesde SIA
-Conclusion et Perspectives
7D DDDÉ ÉÉÉFINITION
FINITION
FINITION
FINITION
-Co
llect
ion
«d
’élé
me
nts
»d
e r
eco
nn
aiss
ance
et
de
dé
fen
seau
se
in d
’un
org
anis
me
-Mu
ltit
ud
e d
’org
ane
s, c
ell
ule
s(m
olé
cule
s) q
ui
inte
rag
isse
nt
en
sem
ble
s p
ou
r d
éte
cte
re
t é
lim
ine
rd
es
age
nts
pat
ho
gè
ne
s
-Sys
tèm
e Im
mu
nit
aire
(S
I) �
reco
nn
aît,
att
aqu
e, d
étr
uit
et
en
reg
istr
eto
ut
typ
e d
e p
ath
og
èn
e q
ui e
ntr
e d
ans
le c
orp
s
� ���M
ain
ten
ir u
n é
qu
ilib
reb
iolo
giq
ue
-Dis
crim
ine
re
ntr
e le
«so
i »e
t le
«n
on
-so
i »
8M MMMÉ ÉÉÉCANISMES DE D
CANISMES DE D
CANISMES DE D
CANISMES DE DÉ ÉÉÉFENSE
FENSE
FENSE
FENSE
-De
ux
mé
can
ism
es
(sys
tèm
es)
:
�M
éca
nis
me
s n
on
-sp
éci
fiq
ue
s(o
u S
ystè
me
inn
é)
�Le
s b
arri
ère
s p
hys
iqu
es
(la
pe
au),
mu
qu
eu
ses,
aci
dit
ég
astr
iqu
e, l
arm
es,
…
�M
éca
nis
me
s sp
éci
fiq
ue
s(o
u S
ystè
me
ad
apta
tif)
�
Re
con
nai
ssan
ce d
u s
oi e
t d
u n
on
-so
i (ac
tio
ns
dir
igé
es
par
les
lym
ph
ocy
tes)
9QUELQUES
QUELQUES
QUELQUES
QUELQUESD DDDÉ ÉÉÉFINITIONS
FINITIONS
FINITIONS
FINITIONS
�P
ath
og
èn
e (
En
ne
mi)
�M
acro
ph
age
�C
ell
ule
s-B
(Le
uco
cyte
s)
�C
ell
ule
s-T
�A
nti
corp
s
10
COMMENT
COMMENT
COMMENT
COMMENT Ç ÇÇÇA FONCTIONNE ?
A FONCTIONNE ?
A FONCTIONNE ?
A FONCTIONNE ?
Sy
stè
me I
nn
éS
ystè
me A
da
pta
tif
�In
flam
mat
ion
11
COMMENT
COMMENT
COMMENT
COMMENT Ç ÇÇÇA FONCTIONNE ?
A FONCTIONNE ?
A FONCTIONNE ?
A FONCTIONNE ?
anti
gèn
e
Sé
lect
ion
Clo
nag
eD
ive
rsif
icat
ion
M
Cellu
le M
émo
ire
Cellu
le d
e D
éfen
se
Réc
epte
urs
Hyp
er-
mu
tati
on
Mat
ura
tio
n a
ffin
ée
Act
iver
Ab
sorp
tio
n
S SSSé ééélection Clonale
lection Clonale
lection Clonale
lection Clonale
Ap
pel
le
[Bu
rne
t]
12
S SSSé ééélection N
lection N
lection N
lection Né ééégative
gative
gative
gative
[Le
de
rbe
rg]
COMMENT
COMMENT
COMMENT
COMMENT Ç ÇÇÇA FONCTIONNE ?
A FONCTIONNE ?
A FONCTIONNE ?
A FONCTIONNE ?
-T
hym
us -
Pro
du
ctio
n d
es C
ellu
les
T
Cellu
le d
u s
oi
Cellu
le d
u s
oi
Cellu
le d
u n
on
-so
i(«
no
n-s
elf
-an
tig
en
»)
Cellu
le d
u n
on
-so
i(«
no
n-s
elf
-an
tig
en
»)
Cellu
le d
u n
on
-so
i(«
non-s
elf-a
ntigen»)
Pér
iod
e d
’imm
atu
rité
(«self
-an
tig
en
»)
(«self
-an
tig
en
»)
13
-Th
éo
rie
du
«horror
horror
horror
horrorautotoxicus
autotoxicus
autotoxicus
autotoxicus» »»»
[Eh
rlic
h, 2
00
5]
Ex
em
ple
s :
•V
acci
nat
ion
s (n
éce
ssit
éd
es
adju
van
ts)
•Le
so
i �N
oti
on
«re
lati
ve»
qu
i ch
ang
e («
chan
gin
g s
elf
»)
•In
test
ins
: Co
lon
ies
de
bac
téri
es
(no
n-s
oi)
, mai
s, a
ucu
n
fee
d-b
ack
ob
serv
ép
ar le
SI !
!•
Mal
adie
s au
to-im
mu
nit
aire
s •
…
�«
Dir
ty L
ittl
e Se
cret
»
SOI ? / NON
SOI ? / NON
SOI ? / NON
SOI ? / NON- ---SOI ?
SOI ?
SOI ?
SOI ?
14
SOLUTIONS
SOLUTIONS
SOLUTIONS
SOLUTIONS
-Tro
is t
hé
ori
es
: �
Co
-sti
mu
lati
on
•Fo
urn
ir d
es
sig
nau
x d
ep
uis
de
SI i
nn
é(C
ell
ule
s D
en
dri
tiq
ue
s -C
D)
�P
rem
ière
ré
po
nse
imm
un
itai
re e
ffe
ctiv
e
�Le
no
n-s
oi i
nfe
ctie
ux
•C
D p
ou
rvu
es
de
réc
epte
urs�
Dis
crim
inat
ion
en
tre
le s
oi e
t le
no
n-s
oi
àl’a
ide
de
s m
olé
cule
s P
AM
P (
Pat
ho
gen
-Ass
oci
ated
Mo
lecu
les
Pat
tern
s)
�R
eco
nn
aiss
ance
de
sig
nal
dan
ge
reu
x•
Un
e c
ellu
le m
eu
rt d
e f
aço
n in
atte
nd
ue�
Dan
ge
r�
sig
nal
dé
cle
nch
é•
Les
CD
so
nt
atti
rée
s ve
rs la
zo
ne
du
dan
ge
r �
«Le
SI n
e r
éag
it p
as c
on
tre
un
e s
ub
stan
ce é
tran
gèr
e, m
ais,
p
lutô
t d
an
ge
reu
se»
[Mat
zin
ge
r, 1
99
4]
15
R RRRÉ ÉÉÉSEAUX IDIOTYPIQUES
SEAUX IDIOTYPIQUES
SEAUX IDIOTYPIQUES
SEAUX IDIOTYPIQUES
-Th
éo
rie
pro
po
sée
par
[Je
rne
, 19
74]
(co
mp
lém
en
tair
e à
l’ex
ista
nt)
-Le
s in
tera
ctio
ns
en
tre
les
cellu
les
du
SI i
nfl
ue
nt
sur
son
co
mp
ort
em
en
t in
tern
e �
Mé
mo
ire
imm
un
itai
re�
Ap
titu
de
du
SI à
se r
ap
pe
ler
de
s an
cie
ns
pat
ho
gè
ne
s re
nco
ntr
és
-Un
e c
ellu
le B
«su
pp
rim
e»
sa v
ois
ine
dè
s q
ue
ce
tte
d
ern
ière
a u
n d
eg
réd
’aff
init
éin
féri
eu
r à
un
ce
rtai
n s
euil
�M
ain
ten
ir u
ne
sta
bil
ité
au s
ein
du
ré
seau
16
PLAN
PLAN
PLAN
PLAN
-Système Immunitaire(SI)
-SIA : ApprochesProposées
-Exemplesde SIA
-Conclusion et Perspectives
17
«A
rtif
icia
l Im
mu
ne
Sys
tem
s ar
e a
dap
tive
co
mp
uta
tio
nal
sys
tem
s
insp
ire
d b
yth
eo
reti
cal i
mm
un
olo
gy
and
ap
plie
d t
op
rob
lem
so
lvin
g »
[De
Cas
tro
an
d T
imm
is, 2
00
2]
�E
nse
mb
le d
’alg
ori
thm
es
et
de
mé
tho
de
s s’
insp
iran
t d
u
mo
de
de
fo
nct
ion
ne
me
nt
du
SI (
de
s V
ert
éb
rés)
-Ex
plo
ite
r le
s ca
ract
éri
stiq
ue
s d
u S
I : A
pp
ren
tiss
age
+
mé
mo
risa
tio
n p
ou
r ré
sou
dre
ce
rtai
ns
pro
blè
me
s
D DDDÉ ÉÉÉFINITION
FINITION
FINITION
FINITION
18
EVOLUTION : APPROCHES
EVOLUTION : APPROCHES
EVOLUTION : APPROCHES
EVOLUTION : APPROCHES
[Gre
en
smit
h e
t al
. ]
19
EVOLUTION : APPROCHES
EVOLUTION : APPROCHES
EVOLUTION : APPROCHES
EVOLUTION : APPROCHES
Bu
rne
t19
78
Dé
tect
ion
de
s vi
rus
ex
écu
tab
les
[Fo
rre
st e
t al
. 19
94
]
Dé
tect
ion
d
’in
tru
sio
ns
[Ke
ph
art
et
al. 1
99
9]
Sys
tèm
e
«Li
sys
»…
[Kim
et
al.]
CLO
NA
LG
[De
Cas
tro
. 20
00
]
[De
Cas
tro
an
d T
imm
is. 2
00
2]
Op
t-IA
[Cu
tell
o. 2
00
7]
…
JIS
YS
[Tim
mis
et
al. 1
99
8]
AI-
NE
TA
IRS
…
[De
Cas
tro
. 20
00
][W
atk
ins.
20
04
]
Sé
lect
ion
Né
gat
ive
20
PRINCIPE
PRINCIPE
PRINCIPE
PRINCIPE
No
n-s
oi
So
i
So
i
Substance étrangère
Dé
tect
eu
r
Aff
init
é(d
ista
nce
s d
e s
imil
arit
é)
-«Se
lf /
no
n-s
elf
dis
crim
inat
ion
»
[Ke
sse
nti
ni e
t al
. 20
09
]-D
éte
ctio
n d
e d
éfa
uts
de
co
nce
pti
on
21
EVOLUTION : APPROCHES
EVOLUTION : APPROCHES
EVOLUTION : APPROCHES
EVOLUTION : APPROCHES
Bu
rne
t19
78
Dé
tect
ion
de
s vi
rus
ex
écu
tab
les
[Fo
rre
st e
t al
. 19
94
]
Dé
tect
ion
d
’in
tru
sio
ns
[Ke
ph
art
et
al. 1
99
9]
Sys
tèm
e
«Li
sys
»…
[Kim
et
al.]
CLO
NA
LG
[De
Cas
tro
. 20
00
]
[De
Cas
tro
an
d T
imm
is. 2
00
2]
Op
t-IA
[Cu
tell
o. 2
00
7]
…
JIS
YS
[Tim
mis
et
al. 1
99
8]
AI-
NE
TA
IRS
…
[De
Cas
tro
. 20
00
][W
atk
ins.
20
04
]
Sé
lect
ion
Clo
nal
e
22
S SSSÉ ÉÉÉLECTION CLONALE
LECTION CLONALE
LECTION CLONALE
LECTION CLONALE
-Re
con
nai
ssan
ce d
es
pat
ron
s d
e c
on
cep
tio
n
(«P
atte
rn R
eco
gn
itio
n»)
[De
Cas
tro
an
d T
imm
is. 2
00
2]
-Pa
tro
n d
e c
on
cep
tio
n =
Co
nce
pt
en
Gé
nie
Lo
gic
iel p
erm
ett
ant
de
réso
ud
re d
es
pro
blè
me
s ré
curr
en
ts s
uiv
ant
le p
arad
igm
e O
bje
t[L
ivre
de
Go
F : D
esi
gn
pat
tern
]
Ex
em
ple
s (a
nti
-pa
tte
rns)
:
-Bu
gs,
du
plic
atio
n d
e c
od
es,
arc
hit
ect
ure
s sp
agh
ett
i, B
lob
, …e
tc
23
ALGORITHME
ALGORITHME
ALGORITHME
ALGORITHME
1. S
oit
Pl’e
nse
mb
le d
es
pat
tern
s à
reco
nn
aîtr
e (
do
nn
é)
2. C
ho
isir
alé
ato
ire
me
nt
un
e p
op
ula
tio
n in
itia
le d
’ind
ivid
us
(M)
3. P
ou
ri d
e1
àta
ille
(P)
fair
e
Ch
ois
ir u
n p
atte
rn (
pi)
Po
ur
j de
1 à
taill
e(M
) fa
ire
Ch
ois
ir u
n in
div
idu
(m
j)
Cal
cule
r m
esu
re_a
ffin
ité(
pi,
mj)
fin
po
ur
fin
po
ur
4. S
éle
ctio
nn
er
les
n1
mei
lleu
res
cellu
les
de
Me
n s
e f
on
dan
t su
r le
urs
me
sure
s d
’aff
init
é; S
elo
n m
esu
re_a
ffin
ité,
gé
né
rer
un
ce
rtai
n
no
mb
re d
e c
op
ies
(clo
ne
s)
24
ALGORITHME
ALGORITHME
ALGORITHME
ALGORITHME
5. E
ffe
ctu
er
un
e h
ype
r_m
uta
tio
nd
es
clo
ne
s p
ou
r e
ng
en
dre
r u
ne
autr
e p
op
ula
tio
n (
M*
) (l
e t
aux
de
mu
tati
on
est
inve
rse
me
nt
pro
po
rtio
nn
el à
mes
ure
_aff
init
é)
6. A
jou
ter
les
ind
ivid
us
de
M*
àM
7. R
e-s
éle
ctio
nn
er
n2
ind
ivid
us
par
mi l
es
ind
ivid
us
mat
ure
s
(op
tim
isé
s) p
ou
r fo
rme
r la
po
pu
lati
on
mém
oir
eP
M
8. S
i un
cri
tère
d’a
rrê
t n
’est
pas
att
ein
t, r
eto
urn
er
àl’é
tap
e 3
(un
cri
tère
d’a
rrê
t p
eu
t ê
tre
un
e e
rre
ur
lors
de
la c
lass
ific
atio
n o
u la
re
con
nai
ssan
ce d
’un
pat
tern
min
imu
m)
25
EVOLUTION : APPROCHES
EVOLUTION : APPROCHES
EVOLUTION : APPROCHES
EVOLUTION : APPROCHES
Bu
rne
t19
78
Dé
tect
ion
de
s vi
rus
ex
écu
tab
les
[Fo
rre
st e
t al
. 19
94
]
Dé
tect
ion
d
’in
tru
sio
ns
[Ke
ph
art
et
al. 1
99
9]
Sys
tèm
e
«Li
sys
»…
[Kim
et
al.]
CLO
NA
LG
[De
Cas
tro
. 20
00
]
[De
Cas
tro
an
d T
imm
is. 2
00
2]
Op
t-IA
[Cu
tell
o. 2
00
7]
…
JIS
YS
[Tim
mis
et
al. 1
99
8]
AI-
NE
TA
IRS
…
[De
Cas
tro
. 20
00
][W
atk
ins.
20
04
]
Ré
seau
x I
dio
typ
iqu
es
26
NOTIONS DE BASE
NOTIONS DE BASE
NOTIONS DE BASE
NOTIONS DE BASE
Ré
seau
Id
ioty
piq
ue
ép
ito
pe
sp
ara
top
es
idio
top
es
Dé
term
inan
t an
tig
én
iqu
e
(mo
lécu
le)
� ���S
avo
ir s
i l’
anti
gè
ne
fai
t p
arti
e d
u s
oi o
u d
u
no
n-s
oi ?
Par
tie
var
iab
le d
e
l’an
tico
rps
serv
ant
àla
re
con
nai
ssan
ce d
e
l’é
pit
op
e d
e
l’an
tig
èn
e
(ép
ito
pe
s p
ou
r le
s an
tico
rps)
� ���p
eu
ven
t ê
tre
re
con
nu
s p
ar le
s an
tico
rps
� ���Id
ioty
pe
s[J
ern
e e
t al
.]
Do
iven
t êt
re c
om
plé
men
tair
es e
t an
alo
gu
es
27
APPROCHE
APPROCHE
APPROCHE
APPROCHE
-Pri
nci
pe
:S
I = R
ése
au c
om
ple
xe
où
les
par
ato
pe
s e
t le
s id
ioto
pe
s se
co
nn
aiss
en
t si
mu
ltan
ém
en
t �
Les
cellu
les-
B c
om
mu
niq
ue
nt
et
inte
rag
isse
nt
en
tre
elle
s
-Mê
me
en
ab
sen
ce d
’an
tig
èn
es,
les
anti
corp
s co
nti
nu
en
t à
com
mu
niq
ue
r e
ntr
e e
ux
(é
chan
ge
de
s n
ive
au
x d
e
con
cen
tra
tio
ns )
-In
spir
ati
on
s :C
om
po
rte
me
nt
du
ré
seau
«in
tell
ige
nt
»�
Ro
bo
tiq
ue
mo
bile
, lo
gic
iels
(p
rog
ram
me
s) a
yan
t d
es
mo
du
les
liés,
les
rése
aux
de
co
mm
un
icat
ion
, …e
tc
[Je
rne
et
al.]
28
LA TH
LA TH
LA TH
LA THÉ ÉÉÉORIE DU DANGER
ORIE DU DANGER
ORIE DU DANGER
ORIE DU DANGER
-Ex
trai
t d
u p
rin
cip
e d
u «
Dir
ty L
ittl
e S
ecr
et
»e
t d
e la
th
éo
rie
du
«horror
horror
horror
horrorautotoxicus
autotoxicus
autotoxicus
autotoxicus» »»»
[Eh
rlic
h, 2
00
5]
-Id
ée
de
Ba
se :
Le S
I ne
ré
po
nd
pas
au
no
n-s
oi,
mai
s p
lutô
t au
«
da
ng
er
»[M
atzi
ng
er.
19
94
, 20
01]
-Pre
uv
es:
•
Re
pas
, in
test
ins
: Mu
ltit
ud
e d
e b
acté
rie
s (é
tran
gè
res)
, mai
s, a
ucu
ne
ré
acti
on
n’e
st d
écl
en
ché
e p
ar le
SI !
!!•
La n
oti
on
de
se
lf/n
on
-se
lf e
st r
elat
ive
et
évo
lue
au c
ou
rs d
u t
em
ps
•O
bse
rvat
ion
s d
’au
to-a
ttaq
ue
s p
ar l’
org
anis
me
lui-m
êm
e (
mal
adie
s au
to-im
mu
nit
aire
s)•
…
29
LA TH
LA TH
LA TH
LA THÉ ÉÉÉORIE DU DANGER
ORIE DU DANGER
ORIE DU DANGER
ORIE DU DANGER
•C
om
me
nt
dis
tin
gu
er
en
tre
un
«d
an
ge
r»
et
un
«n
on
-da
ng
er»
???
-[B
rets
che
r an
d C
oh
n]
:De
ux
sig
nau
x :
•S
ign
al 1
:R
eco
nn
aiss
ance
d’a
nti
gè
ne
(d
ang
er)
•
Sig
nal
2 :
Co
-sti
mu
lati
on
(C
D)
Est
-ce
qu
e c
et
anti
gè
ne
est
vra
ime
nt
dan
ge
reu
x ?
30
Ap
pli
cati
on
1: S
écu
rité
des
rés
eau
x d
e co
mm
un
icat
ion
[H
om
feye
r an
d F
orr
est
, 20
00
]
•O
bje
ctif
s :
-Co
ntr
ôle
r le
tra
fic
rése
au-F
iltre
r le
s co
nn
ex
ion
s «
dé
siré
es
»d
es
con
ne
xio
ns
«n
on
-dé
siré
es
»
•A
na
log
ie :
-Dan
ge
r �
@IP
en
de
ho
rs d
e la
po
litiq
ue
de
sé
curi
tée
n v
igu
eu
r -N
on
-dan
ge
r �
@IP
fai
san
t p
arti
e d
es
@au
tori
sée
s e
t/o
u
pro
ven
ant
de
ré
seau
x «
con
nu
s»
et
de
co
nfi
ance
•C
om
me
nt
?
-Uti
lise
r d
es
dé
tect
eu
rs(t
ype
s d
e c
om
mu
nic
atio
ns
qu
i se
rve
nt
de
ré
fére
nce
s p
ou
r d
es
com
par
aiso
ns,
pro
xy,
@IP
)
QUELQUES EXEMPLES D
QUELQUES EXEMPLES D
QUELQUES EXEMPLES D
QUELQUES EXEMPLES D’ ’’’APPLICATIONS
APPLICATIONS
APPLICATIONS
APPLICATIONS
31
QUELQUES EXEMPLES D
QUELQUES EXEMPLES D
QUELQUES EXEMPLES D
QUELQUES EXEMPLES D’ ’’’APPLICATIONS
APPLICATIONS
APPLICATIONS
APPLICATIONS
Ap
pli
cati
on
2: D
étec
tio
n d
es v
iru
s d
’ord
inat
eurs
[A
ick
eli
n a
nd
Cay
zer,
20
02]
•O
bje
ctif
s :
-Dé
tect
er
les
ano
mal
ies
(vir
us,
co
de
s m
alic
ieu
x, …
)-D
éci
de
r si
le c
om
po
rte
me
nt
du
sys
tèm
e e
st «
no
rmal
»o
u «
ano
rmal
»
•A
na
log
ie :
-Dan
ge
rs �
Len
teu
r/U
tilis
atio
n e
xce
ssiv
e d
es
ress
ou
rce
s d
e la
m
ém
oir
e, c
han
ge
me
nts
inat
ten
du
s d
u c
on
ten
u e
t/o
u t
aille
de
s fi
chie
rs,
acti
vité
s in
app
rop
rié
es
du
dis
qu
e, …
etc
•C
om
me
nt
?
-Ob
serv
atio
n d
es
sig
nau
x S
IGA
BR
T (
cas
du
sys
tèm
e U
NIX
)-C
om
par
aiso
n a
vec
de
s an
cie
ns
scé
nar
ios
(Bas
e d
e d
on
né
es
de
vir
us)
-…
32
PLAN
PLAN
PLAN
PLAN
-Système Immunitaire(SI)
-SIA : ApprochesProposées
-Exemplesde SIA
-Conclusion et Perspectives
33
-De
ux
gé
né
rati
on
s d
e S
IA :
�P
rem
ière
gé
né
rati
on
•In
spir
ée
de
s m
od
èle
s im
mu
nit
aire
s th
éo
riq
ue
s •
Sé
lect
ion
clo
nal
e, s
éle
ctio
n n
ég
ativ
e
�D
eu
xiè
me
gé
né
rati
on
•E
nco
re d
ans
un
e p
has
e d
e d
éve
lop
pe
me
nt
•D
es
résu
ltat
s p
rélim
inai
res
on
t fa
it p
reu
ve d
e le
ur
eff
icac
ité
et
rob
ust
ess
e
G GGGÉ ÉÉÉN NNNÉ ÉÉÉRATIONS DES SIA
RATIONS DES SIA
RATIONS DES SIA
RATIONS DES SIA
34
-De
ux
cas
d’é
tud
es
de
SIA
: [G
ree
nsm
ith
et
al.]
�P
rem
ière
gé
né
rati
on
•Le
s ré
seau
x id
ioty
piq
ue
s (I
dio
typ
ic N
etw
ork
Ap
pro
ach
)
�D
eu
xiè
me
gé
né
rati
on
•Le
s al
go
rith
me
s u
tilis
ant
le p
rin
cip
e d
es
cellu
les
de
nd
riti
qu
es
(DCA
–D
end
riti
c ce
ll A
lgo
rith
m)
CAS D
CAS D
CAS D
CAS D’É ’É’É’ÉTUDES
TUDES
TUDES
TUDES
35
R RRRÉ ÉÉÉSEAUX IDIOTYPIQUES
SEAUX IDIOTYPIQUES
SEAUX IDIOTYPIQUES
SEAUX IDIOTYPIQUES
•P
rin
cip
e :
-Etu
die
r le
s in
tera
ctio
ns
en
tre
: A
nti
corp
s
�A
nti
corp
s
An
tico
rps
�
An
tig
èn
e
�A
nti
corp
s �
[p, e
] �
An
tig
èn
e �
[e]
-De
gré
de
co
rre
spo
nd
ance
en
tre
les
stri
ng
s«
e »
et
«p
»
�M
esu
re d
’aff
init
ée
ntr
e v
rais
ép
ito
pes
et
par
ato
pes
s: v
aleu
r se
uil
sur
les
me
sure
s d
’aff
init
és
susc
ep
tib
les
de
d
écl
en
che
r d
es
réac
tio
ns
36
R RRRÉ ÉÉÉSEAUX IDIOTYPIQUES
SEAUX IDIOTYPIQUES
SEAUX IDIOTYPIQUES
SEAUX IDIOTYPIQUES
-Alg
ori
thm
e d
’ali
gn
em
en
t g
lob
al e
ntr
e 2
ch
aîn
es
de
car
actè
res
[Ne
ed
lem
an -
Wu
nsc
h]
µ: N
om
bre
de
bit
s d
e li
aiso
ns
au-d
elà
du
se
uil
(s)
G =
1+
µ:L
on
gu
eu
r d
e la
ré
acti
on
Ex
em
ple
:
s=
16
;N
om
bre
de
liai
son
s =
27
�µ
= 1
1 e
t G
= 1
2
An
tico
rps
:
An
tig
èn
e :
37
R RRRÉ ÉÉÉSEAUX IDIOTYPIQUES
SEAUX IDIOTYPIQUES
SEAUX IDIOTYPIQUES
SEAUX IDIOTYPIQUES
•D
éfi
nit
ion
s M
ath
ém
ati
qu
es
:
mij
= L
on
gu
eu
r d
e la
ré
acti
on
po
ur
tou
tes
les
po
ssib
ilité
s d
’alig
ne
me
nts
en
tre
de
ux
an
tico
rps
i et
j :
où
q=
No
mb
re d
es
alig
ne
me
nts
po
ssib
les
N=
No
mb
re d
’an
tico
rps
n=
No
mb
re d
’an
tig
èn
es
xi:
De
gré
de
co
nce
ntr
atio
n d
u i
èm
e a
nti
corp
s
xiy
j:
Pro
bab
ilité
de
«m
atch
ing
»e
ntr
e le
i è
me
an
tico
rps
et
le j
èm
e
anti
gè
ne
(o
u a
nti
corp
s)
38
R RRRÉ ÉÉÉSEAUX IDIOTYPIQUES
SEAUX IDIOTYPIQUES
SEAUX IDIOTYPIQUES
SEAUX IDIOTYPIQUES
Sti
mu
lati
on
en
ré
po
nse
àto
us
les
an
tig
èn
es
Su
pp
ress
ion
Sti
mu
lati
on
Fa
cte
ur
d’a
mo
rtis
sem
en
t :
Te
nd
an
ce d
’un
an
tico
rps
àm
ou
rir
pa
ram
ètr
e d
e
sim
ula
tio
n
Ass
ure
r l’
inég
ali
té
en
tre
‘S
up
pre
ssio
n’
et
‘Sti
mu
lati
on
’
c:
Con
stan
te (
tau
x)
sim
ula
nt
le n
om
bre
de
colli
sio
ns
par
un
ité
de
tem
ps
et le
tau
x d
e p
rod
uct
ion
d’u
n a
nti
corp
s lo
rs d
’un
e co
llisi
on
.
39
R RRRÉ ÉÉÉSEAUX IDIOTYPIQUES
SEAUX IDIOTYPIQUES
SEAUX IDIOTYPIQUES
SEAUX IDIOTYPIQUES
-Réd
uct
ion
de
la c
on
cen
trat
ion
de
s an
tico
rps
-Le
pro
chai
n a
nti
corp
s sé
lect
ion
né
(po
ur
lutt
er
un
an
tig
èn
e)
est
ce
lui a
yan
t la
plu
s g
ran
de
con
cen
trat
ion
•E
xe
mp
le d
’ap
pli
cati
on
s :
-Ro
bo
tiq
ue
mo
bile
�
An
tig
èn
es �
sig
nau
x e
nvi
ron
ne
me
nta
ux
�
An
tico
rps �
Co
mp
ort
em
en
ts d
u R
ob
ot
40
ALGORITHMES DENDRITIQUES
ALGORITHMES DENDRITIQUES
ALGORITHMES DENDRITIQUES
ALGORITHMES DENDRITIQUES
•P
rin
cip
e :
-S’in
spir
er
du
mo
de
de
fo
nct
ion
ne
me
nt
de
s C
D
�C
on
stit
ue
nt
les
pre
mie
rs c
on
tact
s av
ec
les
pat
ho
gè
ne
s �
Inte
ract
ion
s e
ntr
e d
e S
I in
né
et
le S
I ad
apta
tif
�D
écl
en
che
r la
ré
po
nse
imm
un
itai
re a
dap
tati
ve
�M
ain
ten
ir «
la t
olé
ran
ce c
en
tral
e»
du
so
i (sé
lect
ion
né
gat
ive
) -M
éta
he
uri
stiq
ue
s d
on
t le
pri
nci
pe
dé
cou
le d
e la
th
éo
rie
du
d
ang
er
�D
iscr
imin
atio
n e
ntr
e c
e q
ui «
no
rmal
»e
t «
ano
rmal
Ȉ
l’aid
e
de
s s
ign
aux
•E
xe
mp
les
d’a
pp
lica
tio
ns
:
-Dét
ecti
on
d’in
tru
sio
ns
(dan
s le
do
mai
ne
du
rés
eau
) -S
écu
rité
des
Ro
bo
ts
41
ALGORITHMES DENDRITIQUES
ALGORITHMES DENDRITIQUES
ALGORITHMES DENDRITIQUES
ALGORITHMES DENDRITIQUES
•Id
ée
s d
e l’
Alg
ori
thm
e :
-Po
pu
lati
on
de
ce
llule
s d
e t
aille
fix
e(c
haq
ue
ce
llule
élim
iné
e e
st
imm
éd
iate
me
nt
rem
pla
cée
)
-Ce
llule
�d
uré
e d
e v
ie (
lifes
pan
) �
Mai
nte
nir
un
e d
ive
rsit
éau
se
in d
e la
po
pu
lati
on
-Ce
llule
mo
rte
�p
rése
nte
les
anti
gè
ne
s co
llect
és
(k-v
alu
e)
�in
itia
lisat
ion
de
so
n li
fesp
an
�E
ffe
t d
’ap
pre
nti
ssa
ge
et
de
mé
mo
risa
tio
n
-Dé
fin
ir u
n f
acte
ur
Kα
: Sco
re d
’an
om
alie
de
l’an
tig
èn
e α
(Co
mb
ien
de
ce
llule
s co
nn
aiss
en
t d
éjà
cet
anti
gè
ne
en
se
bas
ant
sur
leu
rs f
acte
urs
k-v
alu
e)
42
SYNTH
SYNTH
SYNTH
SYNTHÈ ÈÈÈSE & CRITIQUES
SE & CRITIQUES
SE & CRITIQUES
SE & CRITIQUES
-L’a
rtic
le c
on
stit
ue
un
bo
n é
tat
de
l’ar
t su
r le
s S
IA
-Il e
ng
lob
e p
resq
ue
la m
ajo
rité
de
s ap
pro
che
s e
xis
tan
tes
-Ab
sen
ce d
es
com
par
aiso
ns
en
tre
les
dif
fére
nte
s ap
pro
che
s ill
ust
rée
s •
Ex
em
ple
:
En
tre
la s
éle
ctio
n c
lon
ale
et
la s
éle
ctio
n n
ég
ativ
e,
Il y
’a la
no
tio
n d
e m
ém
oir
e
-La
thé
ori
e d
u d
ang
er
: Man
qu
e d
e t
rava
ux
d
’imp
lém
en
tati
on
�ju
ste
co
nce
ptu
elle
(ce
rtai
ns
trav
aux
ess
aie
nt
de
dé
velo
pp
er
un
sys
tèm
e m
ult
i-ag
ent
bas
ésu
r ce
tte
th
éo
rie
)
43
PLAN
PLAN
PLAN
PLAN
-Système Immunitaire(SI)
-SIA : ApprochesProposées
-Exemplesde SIA
-Conclusion et Perspectives
44
CONCLUSION & PERSPECTIVES
CONCLUSION & PERSPECTIVES
CONCLUSION & PERSPECTIVES
CONCLUSION & PERSPECTIVES
-No
uve
au d
om
ain
e d
’étu
de
-SI =
De
ux
so
us-
syst
èm
es
(in
né
et
adap
tati
f)
-Re
lati
vité
du
pri
nci
pe
de
la d
iscr
imin
atio
n e
ntr
e le
so
iet
le n
on
-so
i (T
héo
rie
du
Dan
ger
)
-De
ux
gé
né
rati
on
s d
e S
IA (
en
pe
rpé
tue
lle é
volu
tio
n)
-Plu
sie
urs
ap
pro
che
s e
xis
tan
tes
(sé
lect
ion
né
gat
ive
, sé
lect
ion
cl
on
ale
, ré
seau
x id
ioty
piq
ue
s, …
)
-Etu
de
de
de
ux
ex
em
ple
s d
’ap
plic
atio
ns
de
s S
IA
45
CONCLUSION & PERSPECTIVES
CONCLUSION & PERSPECTIVES
CONCLUSION & PERSPECTIVES
CONCLUSION & PERSPECTIVES
-Ava
nt
un
e d
izai
ne
d’a
nn
ées
: Ap
plic
atio
ns
syst
ém
atiq
ue
s d
es
app
roch
es
de
la 1
ère
gé
né
rati
on
(S
éle
ctio
n c
lon
ale
, né
gat
ive
, ré
seau
x id
ioty
piq
ue
s)
-Mai
nte
nan
t: M
igra
tio
n v
ers
les
alg
ori
thm
es
de
2è
me
gé
né
rati
on
�
On
t te
nd
ance
àd
om
ine
r (m
ult
itu
de
de
s tr
avau
x)
-Né
cess
ité
de
ch
erc
he
r d
’au
tre
s m
écan
ism
es in
telli
gen
ts
(so
urc
es
d’in
spir
atio
ns)
àp
arti
r d
es
do
nn
ée
s b
iolo
giq
ue
s
-Fai
re p
reu
ve d
e la
co
mp
éti
tivi
téd
es
SIA
par
rap
po
rt à
d’a
utr
es
app
roch
es
ex
ista
nte
s
-…
46
QUELQUES R
QUELQUES R
QUELQUES R
QUELQUES RÉ ÉÉÉF FFFÉ ÉÉÉRENCES
RENCES
RENCES
RENCES
[1]
: Art
ific
ial I
mm
un
e S
yste
m (
AIS
) R
ese
arc
h in
th
e la
st f
ive
ye
ars
/ D.D
asg
up
ta,
Z.J
i an
d F
.Go
nza
léz
/ IE
EE
/ 20
03.
[2]
: Sys
tem
-Le
vel F
ault
Dia
gn
osi
s U
sin
g C
om
par
iso
n M
od
els
: A
n-A
rtif
icia
l-Im
mu
ne
-Sys
tem
s-B
ase
d-A
pp
roa
ch /
Mo
ura
d E
lhad
ef,
Sh
anta
nu
Das
an
d A
miy
a N
aya
k / J
ou
rnal
Of
Ne
two
rks,
20
06
.
[3]
: Art
ific
ial I
mm
un
e S
yste
ms
: A N
ove
l par
adig
m t
o P
atte
rn R
eco
gn
itio
n /
L.N
.de
Cas
tro
an
d J
.Tim
mis
/ U
niv
ers
ity
of
Pai
sle
y, U
K, 2
00
2.
[4]
: Op
tim
isin
g T
ask
Sch
ed
ule
s U
sin
g A
n A
rtif
icia
l Im
mu
ne
Sys
tem
Ap
pro
ach
/ H
an Y
u /
Ph
ysic
al a
nd
Dig
ital
Re
aliz
atio
n R
ese
ach
Ce
nte
r, M
oto
rola
Lab
s /
A
tlan
ta, g
eo
rgia
, US
A, 2
00
8.
[5]
: Th
e D
ang
er
Th
eo
ry a
nd
Its
Ap
plic
atio
n t
o A
rtif
icia
l Im
mu
ne
Sys
tem
s / U
we
A
icke
lin a
nd
Ste
ve C
ayze
r / I
nfo
rmat
ion
Infr
ast
ruct
ure
Lab
ora
tory
, HP
La
bo
rato
rie
s B
rist
ol /
Se
pte
mb
er
20
02
47
QUELQUES R
QUELQUES R
QUELQUES R
QUELQUES RÉ ÉÉÉF FFFÉ ÉÉÉRENCES
RENCES
RENCES
RENCES
[6]
: Dan
ge
r T
he
ory
an
d In
telli
ge
nt
Dat
a P
roce
ssin
g /
An
jum
Iq
bal
an
d M
oh
d
Aiz
ain
i Maa
rof/
Th
e W
orl
d A
cad
em
y o
f S
cie
nce
, En
gin
ee
rin
g a
nd
Te
chn
olo
gy,
20
05
[7]
: Th
e D
ang
er
Mo
de
l in
Its
His
tori
cal C
on
tex
t/ M
atzi
ng
er
P. /
Sca
nd
inav
ian
Jo
urn
al o
f Im
mu
no
log
y, 5
4 /
4-9
, 20
01
[8]
: A t
he
ory
of
self
-no
nse
lf d
iscr
imin
atio
n /
Bre
tsch
er
P.,
Co
hn
M. /
Sci
ence
16
9,
104
2-10
49
/ 19
70
[9]
: De
vian
ce f
rom
Pe
rfe
ctio
n is
a B
ett
er
Cri
teri
on
th
an C
lose
ne
ss t
oE
vil w
he
n
Ide
nti
fyin
g R
isky
Co
de
/ M
.Ke
sse
nti
ni,
S.V
auch
er
and
H.S
ahra
ou
i / A
SE
20
09
[10
]: h
ttp
://w
ww
.slid
esh
are
.ne
t
[11]
: htt
p :/
/ fr.
wik
ipe
dia
.org
48
49
Commentaires ??
Questions ??
Top Related