Les liquides complexes sont des matériaux très prometteurs pour réaliser la conversion bon marché et à grande échelle d’énergie thermique en énergie électrique, dans un contexte de réchauffement climatique et de maîtrise de la consommation d’énergie. Nous montrons qu’en présence d’un couple redox, les cellules thermogalvaniques à base de liquides ioniques (NEA et EMIMTFSI) présentent des propriétés remarquables tels des coefficients Seebeck de plus de 5 mV/K (Eu³⁺/Eu²⁺ dans l’EMIMTFSI). De même, ces travaux présentent l’utilisation de ferrofluides, solutions colloïdales (aqueuses ou à base de solvants organiques) de nanoparticules magnétiques (maghémite), pour accroître le coefficient Seebeck et le courant extractible de générateurs thermoélectriques liquides. Les phénomènes réversibles d’adsorption des nanoparticules sur la surface des électrodes jouent également un rôle important sur les propriétés thermoélectriques de ces solutions, et sont modifiés par l’application de champs magnétiques homogènes parallèles ou perpendiculaires au gradient de température.En l’absence d’un couple redox, les liquides ioniques peuvent être utilisés pour fabriquer des supercondensateurs à charge thermique. Ces derniers exploitent les modifications avec la température des double couches électriques aux interfaces liquide/électrode. Nous avons étudié ici ces modifications de double couches dans l’EMIMBF4 par simulations numériques de Monte-Carlo. Les résultats démontrent un accroissement conséquent des propriétés thermoélectriques lors de la dilution du liquide ionique dans un solvant organique, l’acétonitrile, en accord qualitatif avec les résultats expérimentaux. / Complex liquids are promising material for low cost and wide scale conversion of thermal energy to electric energy, within a context of global warming and control of the energy consumption.In this work we showed that with a redox couple, ionic liquid (EAN and EMIMTFSI) based thermogalvanic cells present remarkable thermoelectric properties such as the Seebeck coefficient over 5 mV/K (Eu³⁺/Eu²⁺ in EMIMTFSI). Moreover, we demonstrated for the first time that ferrofluids, colloidal solutions (aqueous or organic solvent based) of magnetic nanoparticles (maghemite), can be used to increase both the Seebeck coefficient and the electric current in liquid thermoelectric generators through unknown physical processes. The importance of reversible adsorption phenomena of the nanoparticles on the electrodes’ surface for the thermoelectric properties of these solutions was revealed. That can be further modified by a homogeneous magnetic field applied perpendicular or parallel to the temperature gradient. Without a redox couple, ionic liquids can be used to build thermally chargeable supercapacitors. They take advantage of temperature dependent electrical double-layer formation at liquid/electrode interfaces. Here, we studied these double-layer modifications in EMIMBF4/platinum through Monte-Carlo simulations. The results show substantial modifications in the thermoelectric properties when the ionic liquid is diluted in an organic solvent, acetonitrile. These results are qualitatively consistent with experimental measurements.

Les travaux présentés dans cette thèse s'inscrivent dans la problématique de la connectivité cérébrale, connectivité tripartite puisqu'elle sous-tend les notions de connectivité structurelle, fonctionnelle et effective. Ces trois types de connectivité que l'on peut considérer à différentes échelles d'espace et de temps sont bien évidemment liés et leur analyse conjointe permet de mieux comprendre comment structures et fonctions cérébrales se contraignent mutuellement. Notre recherche relève plus particulièrement de la connectivité effective qui permet de définir des graphes de connectivité qui renseignent sur les liens causaux, directs ou indirects, unilatéraux ou bilatéraux via des chemins de propagation, représentés par des arcs, entre les nœuds, ces derniers correspondant aux régions cérébrales à l'échelle macroscopique. Identifier les interactions entre les aires cérébrales impliquées dans la génération et la propagation des crises épileptiques à partir d'enregistrements intracérébraux est un enjeu majeur dans la phase pré-chirurgicale et l'objectif principal de notre travail. L'exploration de la connectivité effective suit généralement deux approches, soit une approche basée sur les modèles, soit une approche conduite par les données comme nous l'envisageons dans le cadre de cette thèse où les outils développés relèvent de la théorie de l'information et plus spécifiquement de l'entropie de transfert, la question phare que nous adressons étant celle de la précision des estimateurs de cette grandeur dans le cas des méthodes développées basées sur les plus proches voisins. Les approches que nous proposons qui réduisent le biais au regard d'estimateurs issus de la littérature sont évaluées et comparées sur des signaux simulés de type bruits blancs, processus vectoriels autorégressifs linéaires et non linéaires, ainsi que sur des modèles physiologiques réalistes avant d'être appliquées sur des signaux électroencéphalographiques de profondeur enregistrés sur un patient épileptique et comparées à une approche assez classique basée sur la fonction de transfert dirigée. En simulation, dans les situations présentant des non-linéarités, les résultats obtenus permettent d'apprécier la réduction du biais d'estimation pour des variances comparables vis-à-vis des techniques connues. Si les informations recueillies sur les données réelles sont plus difficiles à analyser, elles montrent certaines cohérences entre les méthodes même si les résultats préliminaires obtenus s'avèrent davantage en accord avec les conclusions des experts cliniciens en appliquant la fonction de transfert dirigée. / The work presented in this thesis deals with brain connectivity, including structural connectivity, functional connectivity and effective connectivity. These three types of connectivities are obviously linked, and their joint analysis can give us a better understanding on how brain structures and functions constrain each other. Our research particularly focuses on effective connectivity that defines connectivity graphs with information on causal links that may be direct or indirect, unidirectional or bidirectional. The main purpose of our work is to identify interactions between different brain areas from intracerebral recordings during the generation and propagation of seizure onsets, a major issue in the pre-surgical phase of epilepsy surgery treatment. Exploring effective connectivity generally follows two kinds of approaches, model-based techniques and data-driven ones. In this work, we address the question of improving the estimation of information-theoretic quantities, mainly mutual information and transfer entropy, based on k-Nearest Neighbors techniques. The proposed approaches we developed are first evaluated and compared with existing estimators on simulated signals including white noise processes, linear and nonlinear vectorial autoregressive processes, as well as realistic physiology-based models. Some of them are then applied on intracerebral electroencephalographic signals recorded on an epileptic patient, and compared with the well-known directed transfer function. The experimental results show that the proposed techniques improve the estimation of information-theoretic quantities for simulated signals, while the analysis is more difficult in real situations. Globally, the different estimators appear coherent and in accordance with the ground truth given by the clinical experts, the directed transfer function leading to interesting performance.