Adaptation and evaluation of generic model matching strategies

L'alignement de modèles est devenu un sujet d'interêt pour la communaute de l'Ingenierie Dirigee par les Modeles. Le but est d'identifier des correspondances entre les élements de deux metamodeles ou de deux modeles. Un scenario d'application important est la derivation des transformations a partir des correspondances entre metamodeles. De plus, les correspondances entre modeles offrent un grand potentiel pour adresser d'autres besoins. L'etablissement manuel de ces correspondances sur des (meta)modeles de grande taille demande une grande quantite de travail et est source d'erreurs. La communaute travaille donc a automatiser le processus en proposant plusieurs strategies d'alignement formulees comme la combinaison d'un ensemble d'heuristiques. Un premier probleme est alors que ces heuristiques sont limitees a certains formalismes de representation au lieu d'être réutilisables. Un second probleme reside dans la difficulte a evaluer systematiquement la qualite des strategies. Cette these propose une approche pour resoudre les problemes ci-dessus. Cette approche developpe des strategies dont les heuristiques sont faiblement couplees aux formalismes. Elle extrait un jeu de tests d'usage a partir d'un repertoire de modeles et elle utilise finalement un megamodele pour automatiser l'evaluation. Pour valider cette approche, nous developpons le langage dedie AML construit sur la plateforme AmmA. Nous contribuons a la definition d'une bibliotheque d'heuristiques et de strategies AML. Pour montrer que notre approche n'est pas limitee au domaine de l'IDM nous testons celle-ci dans le domaine des ontologies. Finalement, nous proposons trois cas d'etude attestant l'applicabilite des strategies AML dans les domaines de la co-evolution des modeles, de l'evaluation des metamodeles pivots et de la synchronisation des modelesModel matching is gaining importance in Model-Driven Engineering (MDE). The goal of model matching is to identify correspondences between the elements of two metamodels or two models. One of the main application scenarios is the derivation of model transformations from metamodel correspondences. Model correspondences, in turn, offer a potential to address other MDE needs. Manually finding of correspondences is labor intensive and error-prone when (meta)models are large. To automate the process, research community proposes matching strategies combining multiple heuristics. A problem is that the heuristics are limited to certain representation formalisms instead of being reusable. Another problem is the difficulty to systematically evaluate the quality of matching strategies. This work contributes an approach to deal with the mentioned issues. To promote reusability, the approach consists of strategies whose heuristics are loosely coupled to a given formalism. To systematize model matching evaluation, the approach automatically extracts a large set of modeling test cases from model repositories, and uses megamodels to guide strategy execution. We have validated the approach by developing the AML domain specific language on top of the AmmA platform. By using AML, we have implemented a library of strategies and heuristics. To demonstrate that our approach goes beyond the modeling context, we have tested our strategies on ontology test cases as well. At last, we have contributed three useNANTES-BU Sciences (441092104) / SudocSudocFranceF