The University of Souk Ahras DSpace repository
Home of the: research papers, communications, textbooks, books, chapters, Masters and PhD theses produced by the communities of researchers, lecturers and students affiliated with the University of Souk Ahras.
المجتمعات في دي سبيس
قم بتحديد مجتمع لاستعراض حاوياته.
أحدث التقديمات
نوع المادة:المادة, Evaluation de la capacité portante des fondations superficielles reposant sur un sol en pente(2026) Faouzia KHARRACHIThe bearing capacity of shallow foundations located near soil slopes is a central issue in geotechnical engineering, particularly in the presence of complex loading conditions and seismic hazards. This thesis is structured around three different research areas focusing on strip footings adjacent to embankments. The first area addresses the undrained bearing capacity of strip footings resting on two-layer embankments under inclined loading. Using the finite element limit analysis (FELA) method and the OptumG2 software, a comprehensive parametric study was conducted by varying the main geotechnical and geometric parameters: the interlayer shear strength ratio cu1/cu2, the load inclination angle α, the top layer thickness ratio D/B, the normalized setback distance b/B, and the normalized shear strength cu1/γB. The results enabled the development of practical design charts and the identification of associated failure mechanisms, validated by comparison with published literature data with a maximum relative error of 1.19%. The second focus is on evaluating the seismic bearing capacity of strip footings placed near slopes in cohesive-frictional (c-φ) soil, using the finite difference method (FLAC2D) under a pseudo-static approach. A database of 1620 numerical simulations was generated by exploring six dimensionless parameters: H/B, b/B, c/γB, β, φ, and kh. The results were synthesized into graphs directly usable by practitioners and successfully validated against reference work. In particular, it was established that Qu/γB increases with c/γB, b/B, and φ, and decreases with kh and the slope angle β. The third research area proposes a hybrid digital-machine learning framework for the rapid and accurate prediction of the normalized seismic bearing capacity coefficient. Four algorithms were developed, trained, and compared: Extreme Gradient Boosting (XGBoost), deep neural networks (DNN), random forests (RF), and k-nearest neighbors (KNN). The evaluation was performed using eight statistical performance indicators. The XGBoost algorithm demonstrated superior accuracy and reliability with R² = 0.9874 during testing. Analysis of SHAP values revealed that the internal friction angle φ, the slope angle β, and the seismic coefficient kh are the most influential variables on the seismic bearing capacity. --------------------------------------------------------------------------- تُعدّ قدرة تحمل الأساسات الضحلة الواقعة بالقرب من المنحدرات الترابية مسألةً محوريةً في الهندسة الجيوتقنية، لا سيما في ظل ظروف التحميل المعقدة والمخاطر الزلزالية. تتمحور هذه الأطروحة حول ثلاثة مجالات بحثية مختلف، تركز على الأساسات الشريطية المجاورة للسدود الترابية. يتناول المجال الأول قدرة تحمل الأساسات الشريطية غير المُصرّفة، والمستندة على سدود ترابية ثنائية الطبقات تحت تأثير أحمال مائلة. باستخدام طريقة تحليل العناصر المحدودة (FELA) وبرنامج OptumG2، أُجريت دراسة بارامترية شاملة بتغيير المعايير الجيوتقنية والهندسية الرئيسية: نسبة مقاومة القص بين الطبقات cu1/cu2، وزاوية ميل الحمل α، ونسبة سُمك الطبقة العلوية D/B، ومسافة التراجع المعيارية b/B، ومقاومة القص المعيارية cu1/γB. مكّنت النتائج من تطوير مخططات تصميم عملية وتحديد آليات الانهيار المرتبطة بها، والتي تم التحقق من صحتها بالمقارنة مع بيانات منشورة في الأدبيات العلمية، حيث بلغ الحد الأقصى للخطأ النسبي 1.19%. يركز البحث الثاني على تقييم قدرة تحمل الأساسات الشريطية الزلزالية الموضوعة بالقرب من المنحدرات في التربة المتماسكة الاحتكاكية (c-φ)، باستخدام طريقة الفروق المحدودة (FLAC2D) ضمن منهجية شبه ثابتة. وقد تم إنشاء قاعدة بيانات تضم 1620 محاكاة عددية من خلال دراسة ستة معايير لا بُعدية: H/B، b/B، c/γB، β، φ، وkh. وتم تجميع النتائج في رسوم بيانية قابلة للاستخدام مباشرة من قبل المختصين، وتم التحقق من صحتها بنجاح بالرجوع إلى المراجع. وعلى وجه الخصوص، تبين أن Qu/γB يزداد مع c/γB وb/B وφ، وينخفض مع kh وزاوية الميل β. أما مجال البحث الثالث فيقترح إطار عمل هجين يجمع بين التعلم الرقمي والآلي للتنبؤ السريع والدقيق بمعامل قدرة التحمل الزلزالية المعياري. تم تطوير أربع خوارزميات وتدريبها ومقارنتها: خوارزمية تعزيز التدرج المتطرف (XGBoost)، والشبكات العصبية العميقة (DNN)، والغابات العشوائية (RF)، وخوارزمية أقرب الجيران (KNN). أُجري التقييم باستخدام ثمانية مؤشرات أداء إحصائية. أظهرت خوارزمية XGBoost دقة وموثوقية فائقتين، حيث بلغت قيمة معامل التحديد (R²) 0.9874 خلال الاختبار. وكشف تحليل قيم SHAP أن زاوية الاحتكاك الداخلي (φ)، وزاوية الميل (β)، ومعامل الزلزال (kh) هي المتغيرات الأكثر تأثيرًا على قدرة تحمل التربة الزلزالية. ------------------------------------------------------------------------------ La capacité portante des fondations superficielles situées à proximité de pentes de sol constitue une problématique centrale en ingénierie géotechnique, notamment en présence de conditions de chargement complexes et d'aléas sismiques. Cette thèse s'articule autour de trois axes de recherche différents portant sur les semelles filantes adjacentes à des talus. Le premier axe traite de la capacité portante non drainée de semelles filantes reposant sur des talus bi-couches sous chargement incliné. En s'appuyant sur la méthode d'analyse limite par éléments finis (FELA) et le logiciel OptumG2, une étude paramétrique complète a été menée en faisant varier les principaux paramètres géotechniques et géométriques : le rapport de résistance au cisaillement intercouche cu1/cu2, l'angle d'inclinaison de la charge α, le rapport d'épaisseur de la couche supérieure D/B, la distance de recul normalisée b/B et la résistance au cisaillement normalisée cu1/γB. Les résultats ont permis d'établir des abaques de dimensionnement pratiques et d'identifier les mécanismes de rupture associés, validés par comparaison avec les données publiées dans la littérature avec une erreur relative maximale de 1.19%. Le deuxième axe est consacré à l'évaluation de la capacité portante sismique de semelles filantes placées près de talus en sol cohésif-frictionnel (c-φ), à l'aide de la méthode des différences finies (FLAC2D) sous approche pseudo-statique. Une base de données de 1 620 simulations numériques a été générée en explorant six paramètres adimensionnels : H/B, b/B, c/γB, β, φ et kh. Les résultats ont été synthétisés sous forme de graphiques directement exploitables par les praticiens, et validés avec succès par rapport aux travaux de référence. Il a notamment été établi que Qu/γB augmente avec c/γB, b/B et φ, et diminue avec kh et l'angle de pente β. Le troisième axe propose un cadre hybride numérique–apprentissage automatique pour la prédiction rapide et précise du coefficient de capacité portante sismique normalisé. Quatre algorithmes ont été développés, entraînés et comparés : Extreme Gradient Boosting (XGBoost), réseau de neurones profond (DNN), forêts aléatoires (RF) et k-plus proches voisins (KNN). L'évaluation a été réalisée à l'aide de huit indicateurs statistiques de performance. L'algorithme XGBoost a démontré une précision et une fiabilité supérieures avec R2=0.9874 en phase de test. L'analyse des valeurs SHAP a révélé que l'angle de frottement interne φ, l'angle de pente β et le coefficient sismique kh sont les variables les plus influentes sur la capacité portante sismique.نوع المادة:المادة, Apprentissage supervisé pour la détection des défauts des machines électriques (MAS)(2026) Raouane SemichetSquirrel-cage induction motors (IMs) are commonly used electrical motors in industry and known for their rugged construction, minimal maintenance cost and quick-to-install designs. Sadly, these motors are not immune to faults, such as rotor, stator or mechanical-related problems, which if not identified in a timely fashion, could result in prolonged downtimes, and/or severe industrial accidents. In this study, we propose using a machine learning method (supervised) to automatically identify and classify faults in induction motors. After thoroughly modeling the motors mathematically in a healthy and faulty state, a large set of time-domain and frequency-domain features was extracted from the vibration signals. This step relies on time and frequency analysis to identify the components representative of the different faults. After extraction of feature variables, four different machine learning methods were tested and compared: k-Nearest Neighbour (kNN), Random Forest (RF), Support Vector Machines (SVM) and Discriminant Analysis (Cdisc). Each of these classification algorithms was assessed based on accuracy, recall, F1 score and confusion matrix. The four approaches covered in this study were evaluated for their performance using MATLAB simulations. The best performing classifier was the Random Forest classifier which had a classification accuracy rate of 96.33% and performed next was the RBF Support Vector Machine at approximately 92.71%. -------------------------------------------------------------- المحرك اللامتزامن (MAS) ذو القفص السنجابي هو النوع الأكثر استخدامًا من الآلات الكهربائية على المستوى الصناعي نظرًا لمتانته، وتكلفة صيانته المنخفضة، وسرعة تركيبه. غير أن هذه الآلات معرضة لعدد من الأعطال الدورانية والسكونية والميكانيكية، والتي قد تؤدي، في حال عدم اكتشافها بسرعة، إلى توقفات مكلفة وحوادث صناعية خطيرة. تقترح هذه المذكرة مقاربة قائمة على التعلم الآلي الموجَّه (المُشرَف عليه) للكشف عن أعطال المحرك اللامتزامن وتصنيفها تلقائيًا. وبعد النمذجة الرياضية الكاملة للآلة اللامتزامنة في حالتي التشغيل السليم والمعطوب، تم استخراج مجموعة واسعة من الخصائص الزمنية والترددية من الإشارات الاهتزازية. وتعتمد هذه المرحلة على التحليل الزمني والترددي من أجل تحديد المركبات الممثلة لمختلف الأعطال. تم بعد ذلك تطبيق ومقارنة أربع خوارزميات للتصنيف الموجَّه: خوارزمية أقرب الجيران (kNN)، والغابة العشوائية (Random Forest)، وآلات المتجهات الداعمة (SVM)، والمصنف التمييزي (Cdisc). وقد تم تقييم أداء النماذج باستخدام عدة مؤشرات، من أبرزها الدقة، والاستدعاء، ومقياس F1، ومصفوفة الالتباس. وأظهرت المحاكاة المنجزة باستخدام MATLAB تفوق مصنف الغابة العشوائية الذي حقق دقة بلغت 96.33%، تلاه مصنف SVM بنواة RBF بدقة 92.71%. تؤكد هذه النتائج مدى ملاءمة تقنيات التعلم الموجَّه لتشخيص أعطال الآلات اللامتزامنة في البيئة الصناعية. ----------------------------------------------------------- Le Moteur Asynchrone (MAS) à cage d'écureuil est le type de machine électrique le plus utilisé à l'échelle industrielle pour leur robustesse, leur faible coût de maintenance et leur installation rapide. Ces machines sont cependant exposées à un certain nombre de défauts rotoriques, statoriques et mécaniques, pouvant entraîner des arrêts coûteux et des accidents industriels importants lorsqu'ils ne sont pas rapidement détectés. Ce mémoire propose une approche fondée sur l'apprentissage supervisé pour la détection et la classification automatique des défauts de la MAS. À la suite de la modélisation mathématique complète de la machine asynchrone dans ses états de fonctionnement sain et défaillant, un large ensemble de caractéristiques temporelles et fréquentielles a été extrait des signaux vibratoires. Cette étape s'appuie sur l'Analyse temporelle et fréquentielle afin d'identifier les composantes représentatives des différents défauts. Quatre algorithmes de classification supervisée sont ensuite appliqués et comparés : les k-plus proches voisins (kNN), la forêt aléatoire (Random Forest), les machines à vecteurs de support (SVM) et le classifieur Discriminant (Cdisc). Les performances des modèles sont évaluées à l'aide de plusieurs indicateurs, notamment la précision, le rappel, le score F1 et la matrice de confusion. Les simulations réalisées sous MATLAB mettent en évidence la supériorité du classifieur Random Forest, qui atteint une précision de 96,33 %, suivi du SVM à noyau RBF avec une précision de 92,71 %. Ces résultats confirment la pertinence des techniques d'apprentissage supervisé pour le diagnostic des défauts des machines asynchrones en environnement industriel.نوع المادة:المادة, Strategies and performance of wind turbine control with a view to improving the quality of electrical power(2026) Ines LEMITAPower quality is critical to the proper functioning of the electrical systems. Poor power quality can give rise to the energy losses, equipment of malfunctions, also for grid instability. Power quality can be affected by the harmonic distortions, voltage variations, and transient disturbances. A wide range of options have been implemented in order to tackle this matter. This work examines the incorporation of the wind power into the grid to improve its flexibility and provide more electricity when needed. However, this integration faces challenges such as voltage oscillations and harmonics. This thesis therefore presents a modified grid-side converter (GSC) control technique, enabling the GSC to function as a parallel active filter to attenuate grid current harmonics created by the nonlinear load, and to change the power from the grid into the rotor of a doubly-fed induction generator (DFIG) and the other way round. The shunt active power filter (SAPF), restrained by a predictive current controller and powered by a wind turbine via a DC bus capacitor, uses a PI controller to set the DC bus voltage at a constant value and compensate for system losses. However, these methods do not provide better results for more varied loads. In this thesis, the sine-cosine algorithm (SCA) is developed for improved tuning of the PI values. MATLAB Simulink simulations establish the use fullness of the control system in improving grid current waveforms, compensating reactive power, and ensuring continuous insertion of wind energy at the common point shared connection (CCP) to share load power with the grid. -------------------------------------------------------------- تُعدّ جودة الطاقة عاملاً حاسماً في الأداء السليم للنظام الكهربائي. إذ يُمكن أن تؤدي رداءة جودة الطاقة إلى فقد الطاقة، وتعطل المعدات، وعدم استقرار الشبكة. وتتأثر جودة الطاقة بالتشوهات التوافقية، وتقلبات الجهد، والاضطرابات العابرة. وقد طُبّقت استراتيجيات عديدة لمعالجة هذه المشكلة. تتناول هذه الدراسة دمج طاقة الرياح في الشبكة لتحسين مرونتها وتوفير المزيد من الكهرباء عند الحاجة. ومع ذلك، يواجه هذا الدمج تحديات مثل تذبذبات الجهد والتوافقيات. ولذلك، تُقدّم هذه الأطروحة تقنية مُعدّلة للتحكم في مُحوّل جانب الشبكة (GSC)، مما يُمكّن المُحوّل من العمل كمرشح نشط متوازي لتخفيف توافقيات تيار الشبكة الناتجة عن الحمل غير الخطي، ونقل الطاقة من الشبكة إلى دوّار مولد الحث ذي التغذية المزدوجة (DFIG) والعكس. يستخدم المرشح النشط المتوازي (SAPF)، الذي يتم التحكم فيه بواسطة مُتحكّم تيار تنبؤي ويُغذّى بواسطة توربين رياح عبر مُكثّف ناقل التيار المستمر، مُتحكّماً تناسبياً تكاملياً (PI) لتثبيت جهد ناقل التيار المستمر عند قيمة ثابتة وتعويض فقد الطاقة في النظام. مع ذلك، لا تُحقق هذه الطرق نتائج أفضل مع الأحمال المتنوعة. في هذه الأطروحة، طُوِّرت خوارزمية الجيب وجيب التمام (SCA) لتحسين ضبط قيم PI. تُظهر محاكاة MATLAB Simulink فعالية نظام التحكم في تحسين أشكال موجات تيار الشبكة، وتعويض القدرة التفاعلية، وضمان حقن مستمر لطاقة الرياح عند نقطة التوصيل المشتركة (CCP) لمشاركة طاقة الحمل مع الشبكة. ------------------------------------------------------------------ La qualité du réseau électrique est essentielle au bon fonctionnement du système électrique. Une qualité d'énergie médiocre peut entraîner des pertes d'énergie, des dysfonctionnements d'équipements et une instabilité du réseau. L’avantage de l'énergie dépend généralement aux distorsions harmoniques, des variations de tension ainsi que des perturbations transitoires. Diverses méthodes ont été améliorées afin de traiter ce problème. Cette étude analyse l’adaptation de l’énergie éolienne dans l'intention d’accroître sa flexibilité et d’augmenter l’apport d’électricité en cas de besoin. Toutefois, cette intégration fait face à des difficultés telles que les oscillations de tension et la présence d’harmoniques. Cette thèse propose ainsi une technique modifiée de commande du convertisseur côté réseau (GSC), permettant au GSC d’agir en tant que filtre actif parallèle dans l'intention de diminuer les harmoniques du courant du réseau causé par une charge non-linéaire, et d’acheminer la puissance depuis le réseau vers le rotor de la génératrice asynchrone avec une double alimentation (DFIG), et réciproquement. Le filtre actif parallèle (FAP), piloté par une commande prédictive de courant et alimenté par un système éolien via un condensateur du bus DC, emploie un régulateur PI pour maintenir la tension du bus DC à une valeur fixe et compenser les pertes du système. Néanmoins, ces techniques ne fournissent pas de performances satisfaisantes pour des charges plus variables. Dans cette thèse, l’algorithme sinus-cosinus (SCA) est mis en œuvre afin d’optimiser le réglage des paramètres PI. Les simulations réalisées sous MATLAB Simulink mettent en lumière la compétence de la stratégie de commande adoptée pour améliorer les structures d’onde du courant du réseau, corriger la puissance réactive et garantir une injection continue de l’énergie éolienne au point de raccordement commun (PCC) en vue d’assurer le partage de la puissance avec le réseau.نوع المادة:المادة, Contribution à la reconstruction temps réel des images médicales 3D pour l’aide aux diagnostics des maladies : Application en radiothérapie(2026) Mehdi BAALIMedical imaging plays an essential role in diagnosis, planning, and therapeutic monitoring, particularly in the treatment of complex pathologies such as brain tumors. The evolution of imaging acquisition technologies, combined with the rise of artificial intelligence and image processing techniques, has made it possible to consider the 3D reconstruction of anatomical structures from series of two-dimensional slices. However, this task remains highly resource-intensive, which limits its real-time use, especially in constrained environments such as embedded medical devices. This thesis proposes an original design flow enabling real-time 3D reconstruction of medical images, with a particular focus on the detection and segmentation of brain tumors. The developed approach relies on the use of FPGA-type programmable logic circuits, which offer an optimal compromise between performance, flexibility, and energy consumption. Several aspects have been studied, including the hardware implementation of image processing and deep learning algorithms, volumetric rendering, as well as the optimization of architectures to meet real-time requirements. Furthermore, we propose an innovative deep learning methodology dedicated to the detection and segmentation of tumors in medical images, relying on CNNs and the U-Net architecture. This approach highlights the importance of enhancing the quality and relevance of features extracted upstream, through the use of advanced image preprocessing techniques. A portable and low-cost device was designed based on Raspberry Pi for the initial detection of tumors. Subsequently, the algorithm was deployed on more powerful embedded hardware platforms, such as the Ultra96-V2 and the Kria KV260, enabling real-time execution with the development of the algorithm for 3D tumor reconstruction. A performance comparison was conducted to evaluate the effectiveness of the different architectures. The results obtained demonstrate the feasibility and relevance of the proposed approach, both in terms of accuracy and speed, thus paving the way for future integration into intelligent, mobile, and autonomous medical systems. ------------------------------------------------------------------------- يشغل التصوير الطبي مكانة أساسية في التشخيص والتخطيط والمتابعة العلاجية، لا سيما في معالجة الأمراض المعقدة مثل الأورام الدماغية. تطور تقنيات اكتساب الصور، مقترنًا بارتفاع قوة تقنيات الذكاء الاصطناعي ومعالجة الصور، قد سمح بالتفكير في إعادة بناء ثلاثي الأبعاد للهياكل التشريحية من سلسلة من المقاطع ثنائية الأبعاد. ومع ذلك، تظل هذه المهمة تستهلك بشكل كبير موارد الحوسبة، مما يحد من استخدامها في الوقت الفعلي، خاصة في البيئات المقيدة مثل الأجهزة الطبية المدمجة. تقترح هذه الأطروحة تدفق تصميم أصلي يسمح بإعادة بناء الصور الطبية ثلاثية الأبعاد في الوقت الحقيقي، مع التركيز بشكل خاص على اكتشاف الأورام الدماغية وتقسيمها. النهج المطور يعتمد على استخدام الدوائر المنطقية القابلة للبرمجة من نوع FPGA، التي تقدم توازنًا مثاليًا بين الأداء والمرونة واستهلاك الطاقة. تمت دراسة عدة جوانب، بما في ذلك التنفيذ المادي لخوارزميات معالجة الصور والتعلم العميق، والتصيير الحجمي، وكذلك تحسين الهياكل لتلبية متطلبات الوقت الحقيقي. علاوة على ذلك، نقترح منهجية تعلم عميق مبتكرة مخصصة لاكتشاف وتقسيم الأورام في الصور الطبية، بالاعتماد على الشبكات العصبية التلافيفية (CNN) وهندسة U-Net. تسلط هذه المقاربة الضوء على أهمية تعزيز جودة وملاءمة الخصائص المستخرجة مسبقًا، من خلال استخدام تقنيات متقدمة لمعالجة الصور. تم تصميم جهاز محمول ومنخفض التكلفة يعتمد على Raspberry Pi للكشف الأولي عن الأورام. بعد ذلك، تم نشر الخوارزمية على منصات الأجهزة المدمجة الأكثر أداءً، مثل Ultra96-V2 وKria KV260، مما سمح بتنفيذها في الوقت الفعلي مع تطوير الخوارزمية لإعادة بناء ثلاثية الأبعاد للأورام. تم إجراء مقارنة للأداء لتقييم فعالية الهياكل المختلفة. تُظهر النتائج التي تم الحصول عليها جدوى وملاءمة النهج المقترح، سواء من حيث الدقة أو السرعة، مما يفتح الطريق أمام تكامل مستقبلي في الأنظمة الطبية الذكية والمحمولة والمستقلة. ----------------------------------------------------------------- L’imagerie médicale occupe une place essentielle dans le diagnostic, la planification et le suivi thérapeutique, notamment dans le traitement des pathologies complexes telles que les tumeurs cérébrales. L’évolution des technologies d’acquisition d’images, combinée à la montée en puissance des techniques d’intelligence artificielle et de traitement d’image, a permis d’envisager la reconstruction 3D des structures anatomiques à partir de séries de coupes bidimensionnelles. Cependant, cette tâche reste fortement consommatrice de ressources de calcul, ce qui limite son utilisation en temps réel, en particulier dans des environnements contraints comme les dispositifs médicaux embarqués. Cette thèse propose un flot de conception original permettant la reconstruction 3D d’images médicales en temps réel, avec un accent particulier sur la détection et la segmentation des tumeurs cérébrales. L’approche développée repose sur l’utilisation de circuits logiques programmables de type FPGA, qui offrent un compromis optimal entre performance, flexibilité et consommation énergétique. Plusieurs aspects ont été étudiés, notamment l’implémentation matérielle des algorithmes de traitement d’image et de l’apprentissage profond, le rendu volumique, ainsi que l’optimisation des architectures pour répondre aux exigences du temps réel. Par ailleurs, nous proposons une méthodologie d’apprentissage profond innovante dédiée à la détection et à la segmentation des tumeurs dans les images médicales, en s'appuyant sur les CNN et l’architecture U-Net. Cette approche met en évidence l’importance de renforcer la qualité et la pertinence des caractéristiques extraites en amont, à travers l’utilisation de techniques avancées de prétraitement d’images. Un dispositif portable et à faible coût a été conçu à base de Raspberry Pi pour la détection initiale des tumeurs. Par la suite, l’algorithme a été déployé sur des plateformes matérielles embarquées plus performantes, telles que l’Ultra96-V2 et la Kria KV260, permettant une exécution en temps réel avec un développement de l’algorithme pour une reconstruction 3D des tumeurs. Une comparaison des performances a été effectuée pour évaluer l'efficacité des différentes architectures. Les résultats obtenus démontrent la faisabilité et la pertinence de l'approche proposée, tant en termes de précision que de rapidité, ouvrant ainsi la voie à une intégration future dans des systèmes médicaux intelligents, mobiles et autonomes.نوع المادة:المادة, Approche pragmatique du silence dans les interactions verbales(2026) Djafria YousraAbstract Our research focuses on a pragmatic approach to silence in verbal interactions. It highlights the role and various functions of silence in exchanges between speakers, considering it not as a mere absence of speech, but as a genuine act of communication. This study examines different forms of silence, including intentional and unintentional silence, as well as prolonged and interrupted silence. It also seeks to understand the reasons behind these silences and their implications in various social and cultural contexts, such as family relationships and intimate conversations. Based on an analytical method grounded in discourse analysis, this work offers an in- depth understanding of silence as a complex communicative practice. It thus emphasizes the importance of taking silence into account in order to better understand the dynamics of verbal interactions ------------------------------- الملخص تركز هذه الدراسة على المقاربة التداولية للصمت في التفاعلات اللفظية حيث تسلط الضوء على دور الصمت و وظائفه المختلفة في التبادل بين المتحدثين باعتباره ليس مجرد غياب للكلام بل فعلا تواصليا قائما بذاته يتناول هذا العمل اشكالا متعددة من الصمت مثل الصمت المقصود و غير المقصود وكذلك الصمت الطويل المتقطع كما يسعى الى فهم الدوافع الكامنة وراء هذه الانماط من الصمت و انعكاساتها في سياقات اجتماعية و ثقافية مختلفة مثل العلاقات الاسرية و المحادثات الخاصة و بالاعتماد على منهج تحليلي قائم على تحليل الخطاب تقدم هذه الدراسة فهما معمقا للصمت بوصفه ممارسة تواصلية معقدة و تؤكد على اهمية اخذه بعين الاعتبار لفهم ديناميكيات التفاعل اللفظي بشكل افضل ----------------------- Résumé Notre recherche s’intéresse à une approche pragmatique du silence dans les interactions verbales. Elle met en lumière le rôle et les différentes fonctions du silence dans les échanges entre locuteurs, en le considérant non pas comme une simple absence de parole, mais comme un véritable acte de communication. Ce travail examine plusieurs formes de silence, notamment le silence intentionnel et non intentionnel, ainsi que le silence prolongé ou interrompu. Il s’attache également à comprendre les raisons qui motivent ces silences et leurs implications dans différents contextes sociaux et culturels, tels que les relations familiales ou les conversations intimes. En s’appuyant sur une méthode analytique fondée sur l’analyse du discours, cette étude propose une lecture approfondie du silence en tant que pratique communicative complexe. Elle souligne ainsi l’importance de prendre en compte le silence pour mieux comprendre les dynamiques des interactions verbales.