La valeur de Shapley est une méthode de distribution de richesses définie dans les années 1950 comme étant l'unique méthode remplissant un jeu d'axiomes souhaitables. Depuis quelques années, elle fut employée sur les bases de données pour définir des mesures de responsabilité quantifiant la contribution de chaque fait dans l'obtention d'une réponse donnée. Ces mesures, et avec elles d'autres applications semblables de la valeur de Shapley à des domaines différents, présentent généralement deux inconvénients, l'un d'ordre conceptuel, l'autre plus pratique: (1) les axiomes de Shapley sont invoqués pour les justifier, mais ces propriétés, si souhaitables soient-elles en sciences économiques, ne sont pas lourdes de sens dans tous les contextes, et de fait les mesures obtenues présentent parfois des comportements inattendus; (2) les mesures fondées sur la valeur de Shapley sont souvent difficiles à calculer, puisqu'il existe, dans de nombreux cas, des requêtes très simples pour lequel le problème est malgré tout #P-difficile, même en complexité des données. La présente thèse étend lesdites mesures de responsabilité aux requêtes avec ontologies, et aborde ces deux défauts des mesures de responsabilité existantes fondées sur la valeur de Shapley, à la fois dans le contexte des bases de données et celui des ontologies.
Pour le premier problème, nous réexaminons la question de ce qui constitue une bonne mesure de responsabilité pour des réponses à des requêtes; nous identifions pour cela des propriétés inspirées des axiomes de Shapley qui sont réellement souhaitables dans le contexte précis que nous étudions.
Pour le second, nous définissons de nouvelles mesures, qui sont toujours fondées sur la valeur de Shapley, mais bien plus faciles à calculer. Pour ce faire, nous utilisons d'autres «fonctions de ressources» pour modéliser l'instance étudiée sous forme d'un jeu coopératif sur lequel la valeur de Shapley s'applique. Outre ces réflexions d'ordre conceptuel, nous étudions en détail la complexité de toutes les mesures considérées, en considérant principalement diverses formes de requêtes conjonctives parfois enrichies d'unions et d'atomes négatifs, ainsi que des ontologies exprimées dans des logiques de description légères des familles DL-Lite et EL. Enfin, nous tirons parti des perspectives sur la valeur de Shapley découlant de notre étude de telles mesures de responsabilité, pour porter un nouveau regard sur d'autres applications de la valeur de Shapley, en particulier le score SHAP, mesure largement utilisée en intelligence artificielle pour expliquer les résultats de classificateurs.