L'abondance des motifs générés par les algorithmes d'extraction de connaissances représente un grand problème dans le domaine de fouille de données. Afin de faciliter l'exploration de ces motifs, deux approches sont souvent utilisées: la première consiste à résumer les ensembles de motifs et la seconde approche repose sur la construction de représentations visuelles de ces motifs. Cependant, les résumés ne sont pas structurés et ils sont proposés sans méthode d'exploration. D'autre part, les représentations visuelles n'offrent pas une vue globale des ensembles de motifs. J'ai défini un cadre générique qui combine les avantages de ces deux approches. Il permet de construire des résumés à plusieurs niveaux de détail. De plus, ils sont structurés sous forme de cubes sur lesquels des opérateurs de navigation OLAP peuvent être appliqués pour explorer les ensembles de motifs. Afin d'initialiser l'exploration, j'ai proposé un algorithme qui fournit un premier résumé de taille inférieure à un seuil donné. Enfin, le cadre est instancié avec des règles d'association.

Marie Ndiaye a obtenu en décembre 2010 son doctorat en cotutelleentre l'Université François Rabelais de Tours et l'UniversitéGaston Berger de Saint-Louis (Sénégal). Ses travaux de recherches'inscrivent dans le domaine de la fouille de données et portentsur les résumés d'ensembles de motifs, les règles d'associationet les cubes de données.