A multi-paradigm foundation for model transformation language engineering

Les systèmes développés aujourd'hui sont de plus en plus complexes. Pour résoudre les problèmes liés à la complexité, l'Ingénierie Dirigée par les Modèles (IDM) utilise des modèles qui décrivent les systèmes à différents niveaux d'abstraction. La Modélisation à Paradigmes Multiples (MPM) renchérie cette approche en modélisant toutes les composantes du système, aux niveaux d'abstraction les plus appropriés, tout en utilisant les formalismes les plus adéquats, afin de réduire toute complexité accidentelle. Les principes MPM stipulent que les transformations doivent aussi être modélisées explicitement. Les transformations de modèles sont au coeur de l'IDM. Elles permettent d'exécuter, d'analyser, de générer le code, d'optimiser, de composer, de synchroniser et de faire évoluer les modèles. Bien que la transformation de modèles soit basée sur de solides théories, les problèmes de mise à l'échelle et de validité restent néanmoins encore à résoudre. Vu l'intérêt suscité par la transformation de modèles, on observe de nos jours une vaste sélection de langages de transformation de modèles. Bien qu'ils apportent une énorme plus-value au développeur, l'implémentation de ces langages de transformation demeure cependant codée en dur. Cette thèse contribue aux fondements de l'ingénierie de langages de transformation de modèles, tout en suivant les principes MPM. Elle propose un système qui permet la conception de langages de transformation adaptés au problème à résoudre. Ces langages de transformation restreignent au maximum le modélisateur à n'utiliser que les concepts nécessaires. Le but est d'accroître la productivité du modélisateur, en élevant le niveau d'abstraction auquel les transformations sont spécifiées, tout en réduisant l'inadéquation du langage de transformation de modèles avec son domaine d'application. Après avoir analysé les différents usages des transformations de modèles et de leurs langages, nous avons identifié et extrait la partie commune à toutes les approches. Ceci permet alors de définir les transformations de modèles à partir des concepts essentiels qui les composent. Nous présentons alors T-Core, une collection d'opérateurs primitifs pour la transformation de modèles. T-Core est implémentée en Python, offrant ainsi une API disponible aux opérations primitives de transformation de modèles qui agissent sur des modèles représentés sous forme de graphes. Ceci permet à des programmeurs de « proprement » interagir avec des modèles et de les manipuler, faisant ainsi le lien entre le monde de la programmation et celui de la modélisation. Le système établi dans cette thèse modélise de manière explicite les langages de transformation de modèles et permet alors de créer des langages de transformation personnalisés. L'approche génère semi-automatiquement des langages de transformation adaptés au domaine d'application. MoTif est un autre langage de transformation de modèles construit à partir de ce système. Sa syntaxe, sa sémantique et son moteur d'exécution sont entièrement modélisés. MoTif est le résultat de la fusion entre T-Core et DEVS, un formalisme de simulation à événements discrets. MoTif permet alors d'introduire la notion de temps dans les transformations de modèles, ce qui permet de facilement modéliser des systèmes réactifs et, par conséquent, les optimiser et les calibrer. Finalement, nous explorons la notion de gestion d'exception au sein des transformations de modèles, afin de renforcer la fiabilité des logiciels bâtis à l'aide de cette technologie.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.