Pourtant, dans la pratique, les représentations apprises peinent souvent à isoler les facteurs réels à l’origine des signaux ou à préserver leur structure causale et temporelle. Ce problème provient d’un fait fondamental : sans contraintes structurelles, plusieurs explications latentes peuvent reproduire les mêmes observations. Cette thèse, « From Signals to Structures », explore comment les biais structurels, comme la sparsité, l’invariance, la factorisation de support ou la compositionnalité, permettent de guider les modèles séquentiels vers des représentations fiables et interprétables. DIOSC réalise le désenchevêtrement des facteurs latents corrélés en imposant une indépendance de support, facilitant la généralisation hors distribution. TABVAE découvre les relations causales instantanées grâce à un goulot d’attention et à la sparsité. Des extensions fondées sur des autoencodeurs préentraînés et des modèles de diffusion améliorent encore la récupération de graphes causaux. DiLOS s’appuie sur la sparsité et la structure compositionnelle pour séparer des sources lorsque certains facteurs ne sont observés que partiellement. Enfin, TimeSAE propose une interprétabilité post-hoc en estimant les effets causaux dans l’espace latent et en alignant les représentations apprises avec des concepts compréhensibles par l’humain. Nous présentons eHabitat, un jeu de données et un benchmark pour évaluer l’apprentissage de représentations séquentielles et la séparation de sources, réduisant l’empreinte de CO₂.