Cette thèse vise à développer de nouvelles méthodes mathématiques et d’intelligence artificielle pour comparer simultanément de nombreux pangénomes bactériens. Elle s’appuiera notamment sur des champs de Markov cachés sur multigraphes, des méthodes d’inférence statistique de type EM/NEM, des modèles à blocs stochastiques et des architectures de Graph U-Net. L’objectif est d’identifier des modules de gènes conservés entre espèces, d’étudier théoriquement les conditions permettant de les détecter, puis d’appliquer ces méthodes à des problématiques comme l’antibiorésistance, les transferts horizontaux de gènes et les voies métaboliques.