Abstract (FR)

Les journaux d’évènements stockent la trace de l’exécution des processus. Le Process Mining est la discipline de recherche qui vise à analyser ce genre de données et à construire des modèles d’exécution décrivant le déroulement des processus. Plusieurs algorithmes ont été proposés pour extraire de tels modèles mais ils se heurtent aux cas où le modèle contient trop d’irrégularités parmi les différentes instances d’exécution. Dans cette thèse, nous nous attelons à étudier ces cas où le processus est non structuré et nous nous concentrons sur une méthode particulière d’analyse qui est l’extraction de modèles comportementaux. Nous proposons un nouvel algorithme plus efficace pour ce faire qui garantit certaines propriétés sur les fragments trouvés. Nous proposons également un framework pour analyser et récupérer ces patterns dans une approche orientée données contextuelles alliant corrélation et causalité. Enfin, nous mettons au point un nouvel algorithme de découverte des patterns encore plus rapide avec des résultats visualisables plus concis et plus pertinents.