Il y a près de 20 ans, Marc Weiser a imaginé l'ordinateur du 21ème siècle et a proposé le concept de l’informatique ubiquitaire. Une des idées principales de Weiser a récemment évolué vers un paradigme plus général connu comme la sensibilité au contexte qui est devenu un thème très important en informatique ubiquitaire. Depuis Active Badge considéré comme la première application sensible au contexte, de nombreuses tentatives pour construire des systèmes sensibles au contexte efficaces ont vu le jour. Cependant la problématique comment acquérir contexte, comment le traiter et comment créer des applications sensibles au contexte est encore aujourd’hui un défi suscitant de nombreuses recherches. Cette thèse étudie en profondeur certaines questions clés liées à la sensibilité au contexte et au développement d’intergiciels sensibles au contexte. Les principales contributions de notre recherche concernent la prise en compte du contexte spatiotemporel et sa modélisation, la conception et l’implémentation d’un intergiciel sensible au contexte et d’un moteur intelligent d'inférence de contexte. Le modèle de représentation du contexte spatiotemporel proposé vise à organiser le contexte et ses relations pour un système sensible au contexte. La méthode basée sur les ontologies est adoptée pour construire notre modèle, supportant à la fois le partage des connaissances et leur réutilisation ainsi que la déduction logique. Ce modèle adopte une structure hiérarchique à deux couches pour modéliser les situations à prendre en compte. La couche supérieure s’occupe du contexte commun générique, tandis que la couche inférieure se concentre sur les caractéristiques plus spécifiques. A la différence des modèles existants, en plus de prendre en compte l’aspect localisation, notre modèle prend également en charge la gestion d’historique des de contextes en s’appuyant sur différentes ressources. Ces historiques de contexte peuvent être utilisés pour prévoir et inférer le contexte. Un middleware sensible au contexte a été conçu comme une plateforme permettant la récupération et le traitement du contexte. Elle est organisée en deux couches : La couche basse apporte une solution à l’intégration des capteurs et actionneurs avec une représentation de données normalisée ; la couche haute propose un interpréteur de contexte polyvalent qui s’appuie sur quatre éléments : un agrégateur de contexte, un moteur d'inférence, une base de connaissance de contextes et un moteur de recherche en charge de la déduction de contexte, de l’interrogation et du stockage persistant. Ce middleware fournit un environnement pour le prototypage rapide de services sensibles au contexte pour l’intelligente ambiante. Le moteur intelligent d’inférence est le composant central de notre middleware. Pour le concevoir nous avons d’abord étudié toutes les méthodes publiées pendant les dix dernières années dans les trois conférences de premier plan du domaine. Nous en avons retiré que la reconnaissance du contexte d’activité peut être obtenue par trois catégories de traitements : par l’activité de l’inférence de base, par l’analyse dynamique de l’activité et par la recommandation d’activités futures. Nous proposons alors un moteur d'inférence intelligent basé sur notre middleware sensible au contexte. Outre les exigences liées à la vérification de la cohérence du contexte, notre moteur d'inférence intègre les trois méthodes les plus populaires concernant la reconnaissance de contexte : des règles, des arbres de décision, et les Modèles de Markov Cachés. Ceci constitue une solution intéressante couvrant toutes les facettes de l'activité de reconnaissance de contexte dans notre middleware sensible au contexte. Les informations collectées à partir des réseaux sociaux sont utilisées pour éduquer le moteur d'inférence intelligent. […]