Cette thèse est consacrée à deux sujets distincts : l'étude des principes conditionnels de type Gibbs et celle des inégalités de transport. Dans la première partie de cette thèse, nous nous intéressons au comportement asymptotique de la loi de certaines mesures aléatoires satisfaisant un principe de grandes déviations, conditionnellement au fait qu'un événement rare s'est produit. Nous nous plaçons dans le cas, peu étudié, où l'événement considéré est de probabilité nulle. Notre stratégie consiste à approcher progressivement cet événement par une suite d'événements plus épais. Cette approche, qui nécessite des contrôles exacts des petites probabilités, conduit à une formulation en limite simple de certains principes conditionnels. La seconde partie de cette thèse porte sur les inégalités de transport : on cherche à majorer un coût de transport optimal au sens de Kantorovich par une fonction concave de l'entropie relative. Notre objectif est de mettre en évidence les liens existant entre ce sujet et la théorie des Grandes Déviations. Nous montrons que ces inégalités admettent une formulation duale en termes de transformées de Laplace. Grâce à cette propriété, nous démontrons une formule générale de tensorisation, laquelle entraîne à son tour, de manière quasi-immédiate, des inégalités de déviations pour les processus empiriques. Cette étude est complétée par la démonstration de conditions nécessaires et suffisantes pour qu'une probabilité donnée vérifie une inégalité de transport d'un type assez général.

Dans cette thèse nous nous intéressons à des inégalités fonctionnelles comme les inégalités de Poincaré, Sobolev logarithmique, Sobolev, et celles appelées inégalités de transport. Dans un premier temps, nous étudions les inégalités de Poincaré et de Sobolev logarithmique pour des modèles de mécanique statistique. Cette étude nous permet de donner une nouvelle classe de phases telle que les mesures de Gibbs associées satisfassent à ces deux inégalités. Nous étudions dans un second temps, les inégalités de Sobolev logarithmique et de Sobolev par le biais des équations de Hamilton-Jacobi. Nous montrons, de la même façon que Gross en 1975 pour les semi-groupes de diffusion, l'équivalence entre l'inégalité de Sobolev logarithmique et l'hypercontractivité des solutions des équations de Hamilton-Jacobi. Cette équivalence permet de montrer, par une nouvelle méthode que celle utilisée par Otto et Villani, que l'inégalité de Sobolev logarithmique implique une inégalité de transport quadratique. De la même manière que Varopoulos en 1985 pour les semi-groupes de diffusion, nous donnons le lien entre l'inégalité de Sobolev et l'ultracontractivité des solutions des équations de Hamilton-Jacobi. Pour finir nous étudions les inégalités de transport dans un cadre général. Cette étude permet d'une part de donner le lien entre des inégalités de Sobolev logarithmiques modifiées et des inégalités de transport particulières et d'autre part de donner un exemple d'inégalité de transport quadratique pour une mesure en dimension infinie, la mesure de Wiener.

Ce mémoire d'habilitation traite de la statistique des processus à temps discret faiblement dépendants. Une première partie présente des résultats asymptotiques d'estimation pour les paramètres de modèles affines généraux. La méthode étudiée est la maximisation du critère de quasi-vraisemblance. Afin de traiter de possibles ruptures de stationnarité, nous pénalisons ce critère par le nombre de ruptures. Pour les modèles à volatilité comme le modèle EGARCH, cette procédure est instable et nous proposons de contraindre le critère au domaine dit d'inversibilité continue. Nous étudions le problème de la prédiction de processus faiblement dépendants dans une seconde partie. Les résultats obtenus sont des inégalités d'oracle non asymptotiques nécessitant l'étude préalable des propriétés de concentration gaussiennes de lois faiblement dépendantes. Pour ce faire nous utilisons une notion de transport faible et de nouvelles inégalités dites de transport conditionnel. Enfin, le comportement des extrêmes en présence de dépendance fait l'objet de la troisième partie. Nous introduisons un indice de {\it cluster} qui caractérise les lois limites $\alpha$-stables dans le théorème de la limite centrale et les grandes déviations des sommes partielles à variation régulière. Nous traitons des exemples de processus à queues épaisses tels que les solutions des équations récurrentes stochastiques linéaires et le modèle GARCH. Nous appliquons ces résultats pour caractériser asymptotiquement les erreurs d'estimation des auto-covariances de processus à queues épaisses.