Beaucoup de données ont un caractère relationnel : données spatiales, temporelles, ou décrivant des liens entre individus. Elles nécessitent alors des approches spécifiques, incluant des techniques d’agrégation. Parmi ces approches, l’analyse relationnelle de concepts est dérivée de l’analyse de concepts formels, une méthode mathématique de classification, largement appliquée sur différents types de données de nombreux domaines. Elle consiste, à partir d’une table (appelée contexte) décrivant des objets par des attributs, à construire un treillis de concepts, i.e. des ensembles maximaux d’objets partageant le même ensemble d’attributs. L’analyse relationnelle de concepts (ARC) considère deux types de contextes, des contextes objets-attributs et des contextes objets-objets décrivant les relations entre objets. L’ARC étend les contextes objets-attributs par des attributs relationnels de la forme qrC, où q est un quantificateur, r une relation et C un concept issu du co-domaine de r. Le résultat de l’ARC est une famille de treillis reliés entre eux par ces attributs relationnels.
Les contextes sont construits sur la base d’un schéma relationnel spécifiant les objets et relations considérés pour l’analyse, et donc la forme du jeu de données à construire. On s’intéressera dans cette thèse à des données stockées dans des bases de données spatiales et temporelles. L’objectif est de définir des quantificateurs spatiaux et temporels qui s’appliquent sur un schéma relationnel paramétrable et évitent ainsi de réinterroger la base pour changer de schéma. Le travail devrait aboutir à la mise en place d’un processus ARC qui s’applique directement sur un SGBD, permettant de traiter plus de données dans un environnement plus aisé pour un analyste.