-%%--------------------
-%% Set the French abstract
-\hdrabstract[french]{
-Grâce à leur concision, les modèle discrets
-permettent d'appréhender des problèmes informatiques qui ne seraient
-parfois pas traitables autrement. Les systèmes dynamiques discrets
- s'intègrent dans cette thématique. Dans cette habilitation,
-nous présenterons tout d'abord des contributions concernant la
-convergence, la preuve de convergence et un nouveau mode opératoire de
-tels systèmes. Nous présenterons ensuite un ensemble de contributions
-autour des fonctions dont les itérations peuvent être chaotiques.
-Particulièrement, plusieurs méthodes permettant
-d'obtenir de telles fonctions seront proposées,
- dont une basée sur les codes de Gray,
-permettant d'avoir en plus une chaîne de Markov doublement
-stochastique. Cette dernière méthode nous permettra notamment
-d'engendrer une grande famille de générateurs de nombres
-pseudo-aléatoires (PRNG). Des contributions théoriques et pratiques
-autour de ces PRNGs seront présentées. La thématique de masquage
-d'information (déjà présente dans l'équipe) a été renforcée et des
-contributions sur ce sujet seront présentées. Des instances de ces
-algorithmes sont formalisés en sélectionnant les fonctions à itérer
-pour garantir une robustesse élevée. Finalement, nous montrerons qu'on
-peut construire de nouvelles fonctions de distorsion utilisables en
-masquage d'information à l'aide de méthodes d'analyse par gradient
-mais discret cette fois encore.
-}
+%%-------------------- %% Set the French abstract
+\hdrabstract[french]{
+
+Grâce à leur concision, les modèle discrets permettent d'appréhender
+des problèmes informatiques qui ne seraient parfois pas traitables
+autrement. Les systèmes dynamiques discrets s'intègrent dans cette
+thématique. Dans cette habilitation, nous montrerons tout d'abord des
+contributions concernant la convergence, la preuve de convergence et
+un nouveau mode opératoire de tels systèmes. Nous présenterons
+ensuite un ensemble d'avancées autour des fonctions dont les
+itérations peuvent être chaotiques. Particulièrement, plusieurs
+méthodes permettant d'obtenir de telles fonctions seront proposées,
+dont une basée sur les codes de Gray, permettant d'avoir en plus une
+chaîne de Markov doublement stochastique. Cette dernière méthode nous
+permettra notamment d'engendrer une grande famille de générateurs de
+nombres pseudo-aléatoires (PRNG). Des contributions théoriques et
+pratiques autour de ces PRNGs seront mises en avant. La thématique de
+masquage d'information (déjà présente dans l'équipe) a été renforcée
+et des avancées significatives sur ce sujet seront présentées. Des
+instances de ces algorithmes seront formalisées en sélectionnant les
+fonctions à itérer pour garantir une robustesse élevée. Finalement,
+nous montrerons qu'on peut construire de nouvelles fonctions de
+distorsion utilisables en masquage d'information à l'aide de méthodes
+d'analyse par gradient mais discret cette fois encore.
+
+ }
