Cette thèse s'inscrit dans la théorie des matrices aléatoires, à l'intersection avec la théorie des probabilités libres et des algèbres d'opérateurs. Elle s'insère dans une démarche générale qui a fait ses preuves ces dernières décennies : importer les techniques et les concepts de la théorie des probabilités non commutatives pour l'étude du spectre de grandes matrices aléatoires. On s'intéresse ici à des généralisations du théorème de liberté asymptotique de Voiculescu. Dans les Chapitres 1 et 2, nous montrons des résultats de liberté asymptotique forte pour des matrices gaussiennes, unitaires aléatoires et déterministes. Dans les Chapitres 3 et 4, nous introduisons la notion de fausse liberté asymptotique pour des matrices déterministes et certaines matrices hermitiennes à entrées sous diagonales indépendantes, interpolant les modèles de matrices de Wigner et de Lévy.

Cette thèse est consacrée à l'étude asymptotique d'objets liés au mouvement brownien sur le groupe unitaire en grande dimension, ainsi qu'à l'étude, dans le cadre des probabilités libres, des versions non-commutatives de ces objets. Elle se subdivise essentiellement en trois parties.Dans le chapitre 2, nous résolvons le problème initial de cette thèse, à savoir la convergence de la transformation de Hall sur le groupe unitaire vers la transformation de Hall libre, lorsque la dimension tend vers l'infini. Pour résoudre ce problème, nous établissons des théorèmes d'existence de noyaux de transition pour la convolution libre. Enfin, nous utilisons ces résultats pour prouver que, pareillement au mouvement brownien sur le groupe unitaire, le mouvement brownien sur le groupe linéaire converge en distribution non-commutative vers sa version libre. Nous étudions les fluctuations autour de cette convergence dans le chapitre 3. Le chapitre 4 présente un morphisme entre les mesures infiniment divisibles pour la convolution libre additive d'une part et multiplicative de l'autre. Nous montrons que ce morphisme possède une version matricielle qui s'appuie sur un nouveau modèle de matrices aléatoires pour les processus de Lévy libres multiplicatifs. / This thesis focuses on the asymptotic of objects related to the Brownian motion on the unitary group in large dimension, and on the study, in free probability, of the non-commutative versions of those objects. It subdivides into essentially three parts.In Chapter 2, we solve the original problem of this thesis: the convergence of the Hall transform on the unitary group to the free Hall transform, as the dimension tends to infinity. To solve this problem, we establish theorems of existence of transition kernel for the free convolution. Finally, we use these results to prove that, exactly as the Brownian motion on the unitary group, the Brownian motion on the linear group converges in noncommutative distribution to its free version. Then we study the fluctuations around this convergence in Chapter 3. Chapter 4 presents a homomorphism between infinitely divisible measures for the free convolution, in respectively the additive case and the multiplicative case. We show that this homomorphism has a matricialversion which is based on a new model of random matrices for the free multiplicative Lévy processes.

La prévision d'événements extrêmes est une question cruciale dans des domaines divers allant de la météorologie à la finance. Trois classes d'universalité (Gumbel, Fréchet et Weibull) ont été identifiées pour des variables aléatoires indépendantes et de distribution identique (i.i.d.).La modélisation par des variables aléatoires i.i.d., notamment avec le modèle d'énergie aléatoire de Derrida, a permis d'améliorer la compréhension des systèmes désordonnés. Cette hypothèse n'est toutefois pas valide pour de nombreux systèmes physiques qui présentent de fortes corrélations. Dans cette thèse, nous étudions trois modèles physiques de variables aléatoires fortement corrélées : des fermions piégés,des matrices aléatoires et des marches aléatoires. Dans la première partie, nous montrons plusieurs correspondances exactes entre l'état fondamental d'un gaz de Fermi piégé et des ensembles de matrices aléatoires. Le gaz Fermi est inhomogène dans le potentiel de piégeage et sa densité présente un bord fini au-delà duquel elle devient essentiellement nulle. Nous développons une description précise des statistiques spatiales à proximité de ce bord, qui va au-delà des approximations semi-classiques standards (telle que l'approximation de la densité locale). Nous appliquons ces résultats afin de calculer les statistiques de la position du fermion le plus éloigné du centre du piège, le nombre de fermions dans un domaine donné (statistiques de comptage) et l'entropie d'intrication correspondante. Notre analyse fournit également des solutions à des problèmes ouverts de valeurs extrêmes dans la théorie des matrices aléatoires. Nous obtenons par exemple une description complète des fluctuations de la plus grande valeur propre de l'ensemble complexe de Ginibre.Dans la deuxième partie de la thèse, nous étudions les questions de valeurs extrêmes pour des marches aléatoires. Nous considérons les statistiques d'écarts entre positions maximales consécutives (gaps), ce qui nécessite de prendre en compte explicitement le caractère discret du processus. Cette question ne peut être résolue en utilisant la convergence du processus avec son pendant continu, le mouvement Brownien. Nous obtenons des résultats analytiques explicites pour ces statistiques de gaps lorsque la distribution de sauts est donnée par la loi de Laplace et réalisons des simulations numériques suggérant l'universalité de ces résultats. / Predicting the occurrence of extreme events is a crucial issue in many contexts, ranging from meteorology to finance. For independent and identically distributed (i.i.d.) random variables, three universality classes were identified (Gumbel, Fréchet and Weibull) for the distribution of the maximum. While modelling disordered systems by i.i.d. random variables has been successful with Derrida's random energy model, this hypothesis fail for many physical systems which display strong correlations. In this thesis, we study three physically relevant models of strongly correlated random variables: trapped fermions, random matrices and random walks.In the first part, we show several exact mappings between the ground state of a trapped Fermi gas and ensembles of random matrix theory. The Fermi gas is inhomogeneous in the trapping potential and in particular there is a finite edge beyond which its density vanishes. Going beyond standard semi-classical techniques (such as local density approximation), we develop a precise description of the spatial statistics close to the edge. This description holds for a large universality class of hard edge potentials. We apply these results to compute the statistics of the position of the fermion the farthest away from the centre of the trap, the number of fermions in a given domain (full counting statistics) and the related bipartite entanglement entropy. Our analysis also provides solutions to open problems of extreme value statistics in random matrix theory. We obtain for instance a complete description of the fluctuations of the largest eigenvalue in the complex Ginibre ensemble.In the second part of the thesis, we study extreme value questions for random walks. We consider the gap statistics, which requires to take explicitly into account the discreteness of the process. This question cannot be solved using the convergence of the process to its continuous counterpart, the Brownian motion. We obtain explicit analytical results for the gap statistics of the walk with a Laplace distribution of jumps and provide numerical evidence suggesting the universality of these results.

L'objet principal de cette thèse est l'étude de plusieurs modèles de polynômes aléatoires. Il s'agit de comprendre le comportement macroscopique des racines de polynômes aléatoires dont le degré tend vers l'infini. Nous explorerons la connexion existant entre les racines de polynômes aléatoires et les gaz de Coulomb afin d'obtenir des principes de grandes déviations pour la mesure empiriques des racines. Nous revisitons l'article de Zeitouni et Zelditch qui établit un principe de grandes déviations pour un modèle général de polynômes aléatoires à coefficients gaussiens complexes. Nous étendons ce résultat au cas des coefficients gaussiens réels. Ensuite, nous démontrons que ces résultats restent valides pour une large classe de lois sur les coefficients, faisant des grandes déviations un phénomène universel pour ces modèles. De plus, nous démontrons tous les résultats précédents pour le modèle des polynômes de Weyl renormalisés. Nous nous intéressons aussi au comportement de la racine de plus grand module des polynômes de Kac. Celle-ci a un comportement non-universel et est en général une variable aléatoire à queues lourdes. Enfin, nous démontrons un principe de grandes déviations pour la mesure empirique des ensembles biorthogonaux. / The main topic of this thesis is the study of the roots of random polynomials from several models. We seek to understand the behavior of the roots as the degree of the polynomial tends to infinity. We explore the connexion between the roots of random polynomials and Coulomb gases to obtain large deviations principles for the empirical measures of the roots of random polynomials. We revisit the article of Zeitouni and Zelditch which establishes the large deviations for a rather general model of random polynomials with independent complex Gaussian coefficients. We extend this result to the case of real Gaussian coefficients. Then, we prove that those results are also valid for a wide class of distributions on the coefficients, which means that those large deviations principles are a universal property. We also prove all of those results for renormalized Weyl polynomials. study the largest root in modulus of Kac polynomials. We show that this random variable has a non-universal behavior and has heavy tails. Finally, we establish a large deviations principle for the empirical measures of biorthogonal ensembles.

Le mécanisme permettant d’expliquer l’origine de la masse des neutrinos demeure, encore aujourd’hui, un mystère complet dont la résolution est susceptible de modifier considérablement la structure du modèle standard en physique des particules élémentaires. Dans la littérature, plusieurs candidats potentiels sont donc proposés afin de combler cette lacune et, ainsi, faire la lumière sur certaines des propriétés les plus étranges des neutrinos. Parmi ceux-ci, les mécanismes seesaw de type I, II et III constituent sans doute les approches les plus attrayantes et les plus étudiées. Cependant, bien que ces mécanismes offrent un cadre de travail simple et élégant pour expliquer la faible masse des neutrinos (l’ordre de grandeur), ceux-ci n’offrent aucune prédiction sur les paramètres fondamentaux caractérisant le phénomène d’oscillation, soit les angles de mélange, les phases complexes et la hiérarchie des masses. Afin d’obtenir des prédictions concrètes sur la phénoménologie des neutrinos, certaines hypothèses de travail supplémentaires doivent donc être formulées pour contraindre la structure des matrices de masse obtenue. Dans ce travail, l’hypothèse anarchique propre au secteur des neutrinos est adoptée. Les matrices de masse générées par les trois mécanismes seesaw dans la limite des basses énergies sont traitées dans le contexte d’une théorie de matrices aléatoires, ce qui permet de définir et d’analyser de nouveaux ensembles matriciels aléatoires appelés ensembles seesaw. Un cadre théorique unifié est donc présenté pour la construction de ces ensembles. Grâce au formalisme élaboré, qui repose sur les outils traditionnels relevant de la théorie des matrices aléatoires, les densités de probabilité jointes caractérisant ces ensembles sont obtenues de façon analytique. Une étude détaillée de leurs propriétés est alors réalisée, ce qui permet d’extraire les tendances dominantes propres à ces mécanismes de masse et d’analyser leurs conséquences pour le secteur des neutrinos du modèle standard étendu. En ce qui concerne le spectre de masse, les résultats obtenus indiquent que les mécanismes seesaw de type I et de type III sont plus adéquats pour reproduire les observations expérimentales. De plus, une forte préférence pour la différence de masses associée à la hiérarchie normale est observée. En contrepartie, il est également démontré que pour une différence de masses donnée entre les trois générations, toutes les permutations des masses sont équiprobables, ce qui rend hors de portée toute prédiction concernant la hiérarchie du spectre (normale ou inverse) sous l’hypothèse anarchique. En ce qui concerne les variables du groupe de symétrie (les angles de mélange et les phases complexes), on constate, d’une part, que la notion de mélange quasi-maximal est naturellement favorisée et, d’autre part, que la matrice PMNS peut être décrite comme une matrice unitaire générique tirée au hasard d’un ensemble matriciel caractérisé par la mesure de Haar du groupe de Lie correspondant. Par ailleurs, il est également démontré que ces conclusions sont indépendantes du mécanisme de masse considéré. / The neutrino mass generation mechanism remains, to this day, a complete mystery which is likely to play an important role in understanding the foundations of the Standard Model of particle physics. In an effort to fill this gap and, ultimately, shed some light on some of the most intriguing properties of neutrinos, many theoretical models are proposed in the literature. Among the many candidates, the type I, type II and type III seesaw mechanisms may very well be the most attractive and the most studied propositions. However, despite the fact that these mechanisms provide a simple and elegant framework for explaining the smallness of neutrino masses (the order of magnitude), no prediction can be made on the fundamental parameters governing neutrino oscillations (the mixing angles, the CP-violating phases and the mass differences). Thus, to obtain concrete results regarding neutrino phenomenology, additional working assumptions must be made in order to constrain the structure of the corresponding mass matrices. In this work, the anarchy hypothesis relevant to the neutrino sector is investigated. The mass matrices generated by the three seesaw mechanisms in the low-energy limit are studied within the framework of random matrix theory, which leads to the development and the analysis of the seesaw ensembles. A unified and precise theoretical formalism, based on the usual tools of random matrix theory, is presented for the construction of these new random matrix ensembles. Using this formalism, the joint probability density functions characterizing these ensembles are obtained analytically, thus paving the way for a detailed study of their properties. This study is then carried out, revealing the underlying trends in these ensembles and, thereby, offering a thorough analysis of their consequences for the neutrino sector of the seesaw-extended Standard Model. Regarding the mass spectrum, it is found that the type I and type III seesaw mechanisms are better suited to accommodate experimental data. Moreover, the results indicate a strong preference for the mass splitting associated to normal hierarchy. However, since all permutations of the masses are found to be equally probable for a particular mass splitting between the three generations, predictions concerning the hierarchy of the mass spectrum (normal or inverted) remains out of reach in the framework of anarchy. Regarding the group variables (the mixing angles an CP-violating phases), it is found that near-maximal mixing is naturally favored by these ensembles and, that the PMNS matrix can be described as a generic unitary matrix drawn at random from a matrix ensemble characterized by the Haar measure of the corresponding Lie group. Furthermore, these conclusions are found to be independent of the mass mechanism considered.

La théorie des matrices aléatoires a des applications dans des domaines variés : mathématiques, physique, finance, ... En physique, le concept de matrices aléatoires a été utilisé pour l'étude du transport électronique dans des structures mésoscopiques, de systèmes désordonnés, de l'intrication quantique, de modèles d'interfaces 1D fluctuantes en physique statistique, des atomes froids, ... Dans cette thèse, on s'intéresse au transport AC cohérent dans un point quantique, à des propriétés d'interfaces fluctuantes 1D sur un substrat et aux propriétés topologiques de fils quantiques multicanaux. La première partie commence par une introduction générale a la théorie des matrices aléatoires ainsi qu'a la principale méthode utilisée dans cette thèse : le gaz de Coulomb. Cette technique permet entre autres d'étudier la distribution d'observables qui prennent la forme de statistiques linéaires des valeurs propres, qui représentent beaucoup de quantités physiques pertinentes. Cette méthode est ensuite appliquée à des exemples concrets pour étudier le transport cohérent et les problèmes d'interfaces fluctuantes en physique statistique. La seconde partie se concentre sur un modèle de fil désordonné : l'équation de Dirac multicanale avec masse aléatoire. Nous étendons le puissant formalisme utilisé pour l'étude de systèmes unidimensionnels au cas quasi-1D, et établissons une connexion avec un modèle de matrices aléatoires. Nous utilisons ce résultat pour obtenir la densité d'états et les propriétés de localisation. Nous montrons également que ce système présente une série de transitions de phases topologiques (changement d'un nombre quantique de nature topologique, sans changement de symétrie), contrôlées par le désordre. / Random matrix theory has applications in various fields: mathematics, physics, finance, ... In physics, the concept of random matrices has been used to study the electronic transport in mesoscopic structures, disordered systems, quantum entanglement, interface models in statistical physics, cold atoms, ... In this thesis, we study coherent AC transport in a quantum dot, properties of fluctuating 1D interfaces on a substrate and topological properties of multichannel quantum wires. The first part gives a general introduction to random matrices and to the main method used in this thesis: the Coulomb gas. This technique allows to study the distribution of observables which take the form of linear statistics of the eigenvalues. These linear statistics represent many relevant physical observables, in different contexts. This method is then applied to study concrete examples in coherent transport and fluctuating interfaces in statistical physics. The second part focuses on a model of disordered wires: the multichannel Dirac equation with a random mass. We present an extension of the powerful methods used for one dimensional system to this quasi-1D situation, and establish a link with a random matrix model. From this result, we extract the density of states and the localization properties of the system. Finally, we show that this system exhibits a series of topological phase transitions (change of a quantum number of topological nature, without changing the symmetries), driven by the disorder.

L'objectif de cette thèse est d'investiguer le comportement de la localisation d'Anderson en grande dimension. Dans la première partie nous étudions les Matrices de Lévy, un modèle de matrices aléatoires avec interactions à longue portée qui présente une forte analogie avec le problème de la localisation d'Anderson sur des structures en arbre, représentatives du comportement en dimension infinie. Nous établissons l'équation qui détermine la transition de localisation et nous obtenons le diagramme de phase. Nous investiguons en suite le comportement inhabituel de la phase délocalisée. Avec des arguments basés sur la méthode supersymmétrique et sur le mouvement brownien de Dyson, nous montrons que la distribution des écarts entre valeurs propres est la même que dans le cas GOE dans toute la phase délocalisée et elle est de type Poisson dans la phase localisée. Notre analyse numérique confirme ce résultat, valable dans la limite thermodynamique, et fournit des informations sur le comportement d'autres quantités comme la statistique des vecteurs propres. De plus, les résultats numériques révèlent que l'échelle caractéristique qui gouverne les effets de taille finie diverge beaucoup plus vite qu'une loi de puissance quand on s'approche de la transition, et elle est déjà très grande loin du point critique. Dans la seconde partie nous étudions numériquement le comportement du modèle d'Anderson en dimension de 3 à 6 en utilisant la méthode de la matrice de transfert, la diagonalisation exacte, et une technique approximée de Groupe de Renormalisation pour fort désordre. Les résultats suggèrent que la dimension critique supérieure de la localisation d'Anderson est infinie. Nous discutons aussi les implications possibles de ce scénario sur le comportement inhabituel de la phase délocalisée des modèles représentatifs de la limite de dimension infinie, comme les matrices de Lévy et le modèle d'Anderson sur des structures en arbre. / In this thesis, we investigate the behavior of Anderson Localization in high dimension. In the first part we study Lévy Matrices (LMs), a Random Matrix model with long-range hopping presenting strong analogy with the problem of Anderson Localization on tree-like structure, representative of the limit of infinite dimensionality. We establish the equation determining the localization transition and obtain the phase diagram. We investigate then the unusual behavior of the delocalized phase. Using arguments based on supersymmetric field theory and Dyson Brownian motion we show that the eigenvalue statistics is the same one as of the Gaussian orthogonal ensemble in the whole delocalized phase and is Poisson-like in the localized phase. Our numerical analysis confirms this result, valid in the limit of infinitely large LMs, and provides information on the behavior of other observables like the wave-functions statistics. At the same time, numerical results also reveal that the characteristic scale governing finite size effects diverges much faster than a power law approaching the transition and is already very large far from it. This leads to a very wide crossover region in which the system looks as if it were in a mixed phase. In the second part we study numerically the behavior of the Anderson Model in dimension from 3 to 6 through exact diagonalization, Transfer Matrix method and an approximate Strong Disorder Renormalization Group technique. The results we find suggest that the upper critical dimension of Anderson Localization is infinite. Finally, we discuss the possible implications of this scenario on the anomalous behavior of the delocalized phase of models representative of the limit of infinite dimension, like Lévy Matrices and the Anderson model on tree-like structures.

Cette thèse porte essentiellement sur l'étude de la distribution spectrale limite de grandes matrices aléatoires dont les entrées sont corrélées et traite également d'inégalités de déviation pour la plus grande valeur propre d'une somme de matrices aléatoires auto-adjointes et géométriquement absolument réguliers. On s'intéresse au comportement asymptotique de grandes matrices de covariances et de matrices de type Wigner dont les entrées sont des fonctionnelles d'une suite de variables aléatoires à valeurs réelles indépendantes et de même loi. On montre que dans ce contexte la distribution spectrale empirique des matrices peut être obtenue en analysant une matrice gaussienne ayant la même structure de covariance. Cette approche est valide que ce soit pour des processus à mémoire courte ou pour des processus exhibant de la mémoire longue, et on montre ainsi un résultat d'universalité concernant le comportement asymptotique du spectre de ces matrices. Notre approche consiste en un mélange de la méthode de Lindeberg par blocs et d'une technique d'interpolation Gaussienne. Une nouvelle inégalité de concentration pour la transformée de Stieltjes pour des matrices symétriques ayant des lignes $m$-dépendantes est établie. Notre méthode permet d'obtenir, sous de faibles conditions, l'équation intégrale satisfaite par la transformée de Stieltjes de la distribution spectrale limite. Ce résultat s'applique à des matrices associées à des fonctions de processus linéaires, à des modèles ARCH ainsi qu'à des modèles non-linéaires de type Volterra. On traite également le cas des matrices de Gram dont les entrées sont des fonctionnelles d'un processus absolument régulier (i.e. $beta$-mélangeant).On établit une inégalité de concentration qui nous permet de montrer, sous une condition de décroissance arithmétique des coefficients de $beta$-mélange, que la transformée de Stieltjes se concentre autour de sa moyenne. On réduit ensuite le problème à l'étude d'une matrice gaussienne ayant une structure de covariance similaire via la méthode de Lindeberg par blocs. Des applications à des chaînes de Markov stationnaires et Harris récurrentes ainsi qu'à des systèmes dynamiques sont données. Dans le dernier chapitre de cette thèse, on étudie des inégalités de déviation pour la plus grande valeur propre d'une somme de matrices aléatoires auto-adjointes. Plus précisément, on établit une inégalité de type Bernstein pour la plus grande valeur propre de la somme de matrices auto-ajointes, centrées et géométriquement $beta$-mélangeantes dont la plus grande valeur propre est bornée. Ceci étend d'une part le résultat de Merlevède et al. (2009) à un cadre matriciel et généralise d'autre part, à un facteur logarithmique près, les résultats de Tropp (2012) pour des sommes de matrices indépendantes / In this thesis, we investigate mainly the limiting spectral distribution of random matrices having correlated entries and prove as well a Bernstein-type inequality for the largest eigenvalue of the sum of self-adjoint random matrices that are geometrically absolutely regular. We are interested in the asymptotic spectral behavior of sample covariance matrices and Wigner-type matrices having correlated entries that are functions of independent random variables. We show that the limiting spectral distribution can be obtained by analyzing a Gaussian matrix having the same covariance structure. This approximation approach is valid for both short and long range dependent stationary random processes just having moments of second order. Our approach is based on a blend of a blocking procedure, Lindeberg's method and the Gaussian interpolation technique. We also develop new tools including a concentration inequality for the spectral measure for matrices having $K$-dependent rows. This method permits to derive, under mild conditions, an integral equation of the Stieltjes transform of the limiting spectral distribution. Applications to matrices whose entries consist of functions of linear processes, ARCH processes or non-linear Volterra-type processes are also given.We also investigate the asymptotic behavior of Gram matrices having correlated entries that are functions of an absolutely regular random process. We give a concentration inequality of the Stieltjes transform and prove that, under an arithmetical decay condition on the absolute regular coefficients, it is almost surely concentrated around its expectation. The study is then reduced to Gaussian matrices, with a close covariance structure, proving then the universality of the limiting spectral distribution. Applications to stationary Harris recurrent Markov chains and to dynamical systems are also given.In the last chapter, we prove a Bernstein type inequality for the largest eigenvalue of the sum of self-adjoint centered and geometrically absolutely regular random matrices with bounded largest eigenvalue. This inequality is an extension to the matrix setting of the Bernstein-type inequality obtained by Merlev`ede et al. (2009) and a generalization, up to a logarithmic term, of Tropp's inequality (2012) by relaxing the independence hypothesis

Durant cette thèse, on a étudié essentiellement deux modèles aléatoires qui, malgré leur différence apparente, cachent un intérêt commun et mettent en évidence des phénomènes mathématiques et physiques communs. Le modèle de percolation de dernier passage dans le plan (last-passage directed percolation model ou LPP) est un modèle de percolation orientée bidimensionnel. Il fait partie d'une vaste liste de modèles de croissance et sert à modéliser des phénomènes dans des domaines variés. Dans la première partie de cette thèse, on s'est intéressé essentiellement aux propriétés de grandes déviations de ce modèle. On a également examiné les fluctuations transversales du même modèle. Toute cette étude a été faite dans le cadre d'un rectangle fin. Parallèlement aux travaux sur les modèles de croissance, on a étudié un autre sujet qui émerge également du monde de la Physique : celui des matrices aléatoires. Ces matrices se divisent en deux catégories principales introduites à une vingtaine d'années d'intervalle : les matrices de covariance empirique et les matrices de Wigner. L'étendue du champ d'application de ces matrices est tellement vaste qu'on peut les rencontrer presque dans toutes les filières scientifiques : probabilité, combinatoire, physique atomique, statistique multivariée, télécommunication théorie des représentations, etc. Parmi les objets mathématiques les plus étudiés, on cite la loi jointe des valeurs propres, la densité spectrale, l'espacement des valeurs propres, la plus grande valeur propre et les vecteurs propres associés. En mécanique quantique par exemple, les valeurs propres d'une matrice du GUE modélisent les niveaux d'énergie d'un électron autour du noyau tandis que le vecteur propre associé à la plus grande valeur propre d'une matrice de covariance empirique indique la direction ou l'axe principal en analyse de données. Comme pour le modèle de percolation dirigée, on s'est intéressé en particulier aux propriétés de grandes déviations de la valeur propre maximale d'un certain type de matrices de covariance empirique. Cette étude pourrait avoir des applications en statistique et notamment en analyse en composantes principales. Malgré l'apparente différence, la théorie des matrices aléatoires est strictement liée au modèle de percolation dirigée. Leurs structures de corrélation se ressemblent dans certains cas d'une manière troublante. La convergence des fluctuations, dans les deux cas, vers la célèbre loi de Tracy-Widom en est un bon exemple.

Comment un robot peut-il estimer si une tâche est réalisable ou pas dans un envi ronnement donné ? De nombreux travaux en robotique s'appuient pour répondre sur les affordances de la psychologie écologique. Apprendre quelles sont les actions permises nécessite selon nous d'apprendre les relations de dépendances locales et globales entre capteurs et effecteurs au cours de l'action.<br />Pour cela nous assimilons le robot à un réseau sensorimoteur aléatoire, et pour représenter son activité nous introduisons des mesures de dépendance probabilist es et statistiques. Celles-ci nous permettent de construire des matrices, graphes et complexes simpliciaux aléatoires dont nous étudions les propriétés spectrales, topologiques et homologiques.<br />Puis nous vérifions expérimentalement l'intérêt des outils proposés à l'aide d'un robot mobile simulé, autour de la capacité de pousser les objets de l'environnement, dans le cadre de tâches de classification supervisée et non supervisée.