Malgré des conditions sèches qui prédominent depuis les années 1970, l’Afrique de l’Ouest a subi au cours des deux dernières décennies des épisodes d’inondations sévères qui ont provoqué de nombreux décès et dommages socio-économiques. L’émergence de ce nouveau problème montre une nouvelle facette de la sensibilité de cette région aux changements hydro-climatiques, appelant à une meilleure caractérisation de l’aléa inondation, des processus qui le génèrent, ainsi que la mise en place de méthodes permettant de projeter les évolutions futures de cet aléa pour mieux s’en prémunir.Dans ce contexte, la thèse cherche à répondre à trois questions principales :1) L’augmentation des dommages liés aux inondations s’est-elle accompagnée d’une intensification des crues extrêmes en Afrique de l’Ouest?2) Comment modéliser les orages de mousson, premier facteur de génération du ruissellement, afin d’explorer l’impact de leurs caractéristiques sur les crues?3) Compte tenu des changements climatiques à l’œuvre dans la région, à quelles tendances hydro-climatiques peut-on s’attendre dans le futur ?Dans un premier temps, on évalue l’évolution des crues en Afrique de l’Ouest au cours des soixante dernières années en utilisant de méthodes basées sur la théorie de valeurs extrêmes. Les résultats montrent une augmentation forte des événements hydrologiques extrêmes depuis les années 1970s dans les sous-bassins Sahéliens du fleuve Niger et depuis les années 1980s dans les sous-bassins soudano-guinéens du fleuve Sénégal. Les niveaux de retour calculés à partir des modèles non-stationnaires dépassent ceux qui ont été calculés avec un modèle stationnaire avec plus de 95% de certitude pour les périodes de retour les plus courtes (<10 ans).On présente ensuite des développements récents apportés à un simulateur stochastique d’orages de mousson à meso-échelle (StochaStorm). Ils incluent: une modélisation de l’occurrence de ces orages, la représentation explicite des valeurs de pluie extrêmes et une amélioration du schéma temporel d’intensité infra-événementielle. Implémenté et évalué à partir des donnés haute-résolution de l’observatoire AMMA-CATCH, le générateur montrent de très bonnes capacités à reproduire les propriétés des orages, confirmant son potentiel pour des études d’impact hydrologique.Enfin, une chaîne de modélisation est élaborée afin de proposer des projections hydrologiques pour le futur sur un bassin sahélien de meso-échelle (Dargol, 7000 km²). L’originalité de cette chaîne provient de la prise en compte du continuum d’échelles entre climat global et impact local à travers la représentation du régime des pluies à l’échelle des orages de mousson, dont les propriétés d’occurrence et d’intensité ont des impacts majeurs sur la réponse hydrologique. La chaîne de modélisation inclut le modèle climatique CP4-Africa, unique modèle à convection explicite fournissant des simulations de long terme en Afrique ; une méthode de débiaisage statistique; le simulateur Stochastorm ; et un modèle pluie-débit spécifiquement adapté aux processus hydrologique sahéliens. La chaine est évaluée sur une période de contrôle 1997-2006 puis utilisée pour des projections futures montrant une hausse par un facteur 1,5 des débits maximum annuels et un doublement des volumes moyens annuels à l’horizon 2100.Les résultats ont des implications majeures notamment pour l’ingénierie hydrologique. Les méthodes actuellement utilisées pour appréhender les risques hydrologiques dans la région ne prennent pas en compte la non-stationnarité hydro-climatique risquant de sous-évaluer l’aléa hydrologique et sous-dimensionner les ouvrages hydrauliques utilisés pour s’en protéger. La thèse suggère aussi quelques pistes afin mieux définir les trajectoires hydrologiques passées et futures en incluant, au-delà des précipitations, les changements sociétaux et environnementaux, leurs interactions et rétroactions dans les approches de modélisation. / The semi-arid regions of West Africa are known for their dry conditions which have predominated since the 1970s. In recent years, however, West Africa has witnessed a series of severe flooding events which caused widespread fatalities and socioeconomic damages. The emergence of this new problem demonstrates the sensitivity of the region to changes in the hydroclimatic system and calls for an improved characterization of flood hazard and the mechanisms that generate it. It also signals the need to develop projections for how flood hazard may evolve in the future in order to inform appropriate adaptation measures.In this context, the following PhD thesis seeks to answer three main questions:1) Is there a significant trend in extreme streamflow in West Africa, or are the documented flooding events isolated incidences?2) How can one model mesoscale convective systems, the primary driver of runoff in the region, in order to explore the properties of precipitation that drive streamflow?3) Based on potential climate change in the region, what trends might be observed in streamflow in the future?First, changes in extreme hydrological events West Africa over the past 60 years are evaluated by applying non-stationary methods based on extreme value theory. Results show a strong increasing trend in extreme hydrological events since the 1970s in the Sahelian Niger River basin and since the 1980s in the Sudano-Guinean catchments in the Senegal River basin. Return levels calculated from non-stationary models are determined to exceed those calculated from a stationary model with over 95% certainty for shorter return periods (<10 years).Next, recent developments are presented for a stochastic precipitation simulator (Stochastorm) designed for modeling mesoscale convective storms, the main rainfall source in the Sahel. Developments include a model for storm occurrence, the explicit representation of extreme rainfall values, and an improvement in the modeling of sub-event intensities. Using high-resolution data from the AMMA-CATCH observatory, simulation outputs were confirmed to realistically represent key characteristics of MCSs, showing the simulator’s potential for use in impact studies.Finally, a modeling chain for producing future hydrological projections is developed and implemented in a Sahelian river basin (Dargol, 7000km2). The chain is original as it is the first attempt in West Africa to encompass the continuum of scales from global climate to convective storms, whose properties have major impacts on hydrological response and as a result local flood risk. The modeling chain components include the convection-permitting regional climate model (RCM) CP4-Africa, the only RCM (to date) explicitly resolving convection and providing long-term simulations in Africa; a bias correction approach; the stochastic precipitation generator Stochastorm; and a rainfall-runoff model specifically developed for Sahelian hydrological processes. The modeling chain is evaluated for a control period (1997-2006) then for future projections (ten years at the end of the 21st century). Hydrological projections show that peak annual flow may become 1.5-2 times greater and streamflow volumes may double or triple on average near the end of the 21st century compared to 1997-2006 in response to projected changes in precipitation.The results raise critical issues notably for hydrological engineering. Current methods used to evaluate flood risk in the region do not take non-stationarity into account, leading to a major risk of underestimating potential floods and undersizing the hydraulic infrastructure designed for protecting against them. It is also suggested to not only consider rainfall changes but also societal and environmental changes, interactions, and feedbacks in order to better attribute past hydrological hazards and their future trajectories to related causes.

La dissémination d'information explore les chemins pris par l'information qui est transmise dans un réseau social, afin de comprendre et modéliser les relations entre les utilisateurs de ce réseau, ce qui permet une meilleur compréhension des relations humaines et leurs dynamique. Même si la priorité de ce travail soit théorique, en envisageant des aspects psychologiques et sociologiques des réseaux sociaux, les modèles de dissémination d'information sont aussi à la base de plusieurs applications concrètes, comme la maximisation d'influence, la prédication de liens, la découverte des noeuds influents, la détection des communautés, la détection des tendances, etc. Cette thèse est donc basée sur ces deux facettes de la dissémination d'information: nous développons d'abord des cadres théoriques mathématiquement solides pour étudier les relations entre les personnes et l'information, et dans un deuxième moment nous créons des outils responsables pour une exploration plus cohérente des liens cachés dans ces relations. Les outils théoriques développés ici sont les modèles de dynamique d'opinions et de dissémination d'information, où nous étudions le flot d'informations des utilisateurs dans les réseaux sociaux, et les outils pratiques développés ici sont un nouveau algorithme de détection de communautés et un nouveau algorithme de détection de tendances dans les réseaux sociaux / Our aim in this Ph. D. thesis is to study the diffusion of information as well as the opinion dynamics of users in social networks. Information diffusion models explore the paths taken by information being transmitted through a social network in order to understand and analyze the relationships between users in such network, leading to a better comprehension of human relations and dynamics. This thesis is based on both sides of information diffusion: first by developing mathematical theories and models to study the relationships between people and information, and in a second time by creating tools to better exploit the hidden patterns in these relationships. The theoretical tools developed in this thesis are opinion dynamics models and information diffusion models, where we study the information flow from users in social networks, and the practical tools developed in this thesis are a novel community detection algorithm and a novel trend detection algorithm. We start by introducing an opinion dynamics model in which agents interact with each other about several distinct opinions/contents. In our framework, agents do not exchange all their opinions with each other, they communicate about randomly chosen opinions at each time. We show, using stochastic approximation algorithms, that under mild assumptions this opinion dynamics algorithm converges as time increases, whose behavior is ruled by how users choose the opinions to broadcast at each time. We develop next a community detection algorithm which is a direct application of this opinion dynamics model: when agents broadcast the content they appreciate the most. Communities are thus formed, where they are defined as groups of users that appreciate mostly the same content. This algorithm, which is distributed by nature, has the remarkable property that the discovered communities can be studied from a solid mathematical standpoint. In addition to the theoretical advantage over heuristic community detection methods, the presented algorithm is able to accommodate weighted networks, parametric and nonparametric versions, with the discovery of overlapping communities a byproduct with no mathematical overhead. In a second part, we define a general framework to model information diffusion in social networks. The proposed framework takes into consideration not only the hidden interactions between users, but as well the interactions between contents and multiple social networks. It also accommodates dynamic networks and various temporal effects of the diffusion. This framework can be combined with topic modeling, for which several estimation techniques are derived, which are based on nonnegative tensor factorization techniques. Together with a dimensionality reduction argument, this techniques discover, in addition, the latent community structure of the users in the social networks. At last, we use one instance of the previous framework to develop a trend detection algorithm designed to find trendy topics in a social network. We take into consideration the interaction between users and topics, we formally define trendiness and derive trend indices for each topic being disseminated in the social network. These indices take into consideration the distance between the real broadcast intensity and the maximum expected broadcast intensity and the social network topology. The proposed trend detection algorithm uses stochastic control techniques in order calculate the trend indices, is fast and aggregates all the information of the broadcasts into a simple one-dimensional process, thus reducing its complexity and the quantity of necessary data to the detection. To the best of our knowledge, this is the first trend detection algorithm that is based solely on the individual performances of topics