Université de Rennes Mécanismes logiciels pour une collecte des données agiles dans un contexte de parcelles agricoles Software mechanisms for agile data collection in IoT-based agro-ecology Internet des Objets (IoT)Informatique en périphérie extrêmeEnvironnements à ressources limitéesConsommation d'énergieGestion locale des données Internet of Things (IoT)Extreme-edge computingResource-constrained environmentsPower consumptionLocal data management Internet des objets Consommation d'énergie Les systèmes IoT destinés à la surveillance environnementale reposent souvent sur une transmission continue des données, ce qui est coûteux, peu flexible et énergivore, ce qui pose un défi dans les environnements aux ressources limitées. Cette thèse présente des expériences menées avec des nœuds IoT extrêmes équipés de plusieurs capteurs, démontrant d'abord la surveillance et le traitement des données sur un seul nœud, puis s'étendant à plusieurs nœuds, pour une collecte adaptative et distribuée. Les résultats montrent que la frugalité conduit à une collecte de données plus efficace et que le comportement au niveau des nœuds influence fortement la consommation d'énergie. Afin de mieux comprendre l'utilisation de l'énergie, des mesures empiriques ont été effectuées, qui révèlent que les opérations de mémoire sont un facteur important, souvent négligé, et que des volumes plus importants et des accès fréquents augmentent encore la consommation. Sur la base de ces observations, un modèle énergétique étendu intégrant la mémoire est présenté, et un mécanisme logiciel est introduit pour réduire le volume de données, ce qui se traduit par des économies d'énergie confirmées par simulation. Dans une perspective d'avenir, cette thèse propose de combiner la détection locale et le partage de données, tout en redistribuant dynamiquement les responsabilités entre les nœuds, pour une surveillance plus frugale, autonome et évolutive. IoT systems for environmental monitoring often rely on continuous data transmission, which is costly, inflexible, and energy-intensive, posing a challenge in resource-constrained environments. This thesis presents experiments with extreme edge IoT nodes equipped with multiple sensors, demonstrating first data monitoring and processing on a single node, then extending to multiple nodes, for adaptive and distributed collection. Results show that frugality leads to more efficient data collection, and that node-level behavior strongly influences power consumption. To better understand energy usage, an empirical measurements were conducted, which reveal that memory operations are a major, often overlooked contributor, and that larger volumes and frequent accesses further increase consumption. Based in these insights, an extended energy model incorporating memory is presented, and a software mechanism is introduced to reduce data volume, resulting in energy savings confirmed by simulation. As a future perspective, this thesis proposes combining local detection and data sharing, while dynamically redistributing responsibilities between nodes, for more frugal, autonomous, and scalable monitoring. Electronic Thesis or DissertationText en application/pdf1 : 18565 Kohttps://ged.univ-rennes1.fr/nuxeo/site/esupversions/089121fd-8c33-4fdd-8b7c-0d5fac033b3a Hammoud Hassan 1995-11-07 LB 296727679 eng.hsn.hm@gmail.com 2026URENS006 http://www.theses.fr/2026URENS006 2026-04-29 Informatique Université de Rennesthesis.degree.grantor_1 26693823X Doctorat non ouiWeisFrédéricintervenant_1121393372BonninJean-Marieintervenant_2143147617TexierGéraldineintervenant_3127231692PinetFrançoisintervenant_5113093748RichardBenjaminintervenant_6221237070SpiesFrançoisintervenant_4089453972 MATISSEecoleDoctorale_1 267602553 INRIA-RENNES partenaireRecherche_1 133175863 ddc:004 WeisFrédéricBonninJean-MarieTexierGéraldineSpiesFrançoisPinetFrançoisRichardBenjaminUniversité de RennesMATISSE INRIA-RENNES ASCII PDF 19010759