La recherche et l'indexation de données en fonction d'une date ou d'une zone géographique permettent le partage et la découverte d'informations géolocalisées telles que l'on en trouve sur les réseaux sociaux comme Facebook, Flickr, ou Twitter. Dans ce contexte, des millions d'utilisateurs partagent et envoient des requêtes en ciblant des zones spatio-temporelles afin d'accéder à des données générées dans une zone géographique précise et dans un intervalle de temps donné.
Un des principaux défis pour de telles applications est de fournir une architecture capable de traiter une multitude d'insertions et de requêtes spatio-temporelles. Les Tables de Hachage Distribuées (DHT) fournissent des primitives de base pour localiser et stocker efficacement des données dans un contexte pair-à-pair. Cependant, les DHTs sont mal adaptées aux requêtes complexes ciblant des ensembles de données situées dans un intervalle. En effet, l'utilisation de fonctions de hachage détruit généralement la localité des données pour mieux équilibrer de la charge en les nœuds du réseau pair-à-pair.
Plusieurs solutions ont étendu les requêtes des DHT afin de localiser des ensembles de données. Cependant, ces solutions ont tendance à générer un nombre de messages et ont une latence élevée pour des requêtes qui ciblent des intervalles. Cette thèse propose deux solutions à large échelle pour l'indexation des données géolocalisées.