Cette thèse étudie les propriétés de l'opérateur de propagation des ondes ultrasonores en milieu aléatoire. Le dispositif expérimental consiste en un réseau multi-éléments placé en vis-à-vis d'un milieu désordonné. L'opérateur de propagation est donné par la matrice des réponses inter-éléments mesurées entre chaque couple de transducteurs. En s'appuyant sur la théorie des matrices aléatoires, le comportement statistique de cet opérateur a été étudié en régime de diffusion simple et multiple. Une cohérence déterministe des signaux est ainsi mise en évidence en régime de diffusion simple, cohérence qui disparaît dès que la diffusion multiple prédomine. Cette différence de comportement a permis la mise au point d'un radar intelligent séparant les échos simplement et multiplement diffusés. On peut ainsi extraire l'écho direct d'une cible échogène enfouie dans un milieu hautement diffusant, bien que ce dernier soit source de diffusion multiple et d'aberration. Une deuxième approche consiste, au contraire, à extraire une contribution de diffusion multiple noyée dans une contribution de diffusion simple largement prédominante. L'étude de l'intensité multiplement diffusée permet de mesurer des paramètres de transport (p.ex. la constante de diffusion D) caractérisant la propagation de l'onde multiplement diffusée. Un passage en champ lointain (ondes planes) permet d'obtenir une mesure fiable de D en étudiant le cône de rétrodiffusion cohérente. Un passage en champ proche, via l'utilisation de faisceaux gaussiens, permet d'effectuer des mesures locales de D en étudiant la croissance du halo diffusif. Cette approche a été appliquée au cas de l'os trabéculaire humain autour de 3 MHz.

Nous étudions dans cet ouvrage les effets conjugués de l'interaction et du désordre sur la localisation de particules fermioniques. Nous montrons que l'établissement au-dessus du niveau de Fermi d'une interaction attractive de Hubbard entre deux particules évoluant sur un réseau désordonné d'Anderson (bi ou tridimensionnel) mène, dans l'état fondamental, à la création d'une paire de particules localisées. Cette phase biparticulaire apparaît dans un régime de désordre où les particules sans interaction ne sont pas encore localisées (phase métallique du modèle d'Anderson). Cette localisation persiste également pour les états excités tant que ceux-ci décrivent un état où les deux particules liées forment une paire. Cette phase de biparticules localisées par interaction attractive (phase BLS) disparaît néanmoins au profit d'une phase de paires de Cooper délocalisées lorsque les fluctuations du désordre sur le réseau sont suffisamment faibles. Un champ magnétique permet également, en altérant la structure des paires, de délocaliser les particules menant ainsi à la disparition de la phase BLS. Ce modèle quantique de deux particules constitue, pour les systèmes désordonnés, une généralisation du problème de Cooper. Nous montrons alors qu'il est nécessaire d'aller au-delà de l'approximation que constitue l'ansatz de Cooper pour décrire correctement la phase BLS. Ce résultat traduit le fait que, pour les systèmes à N-corps, les techniques de champs moyen utilisant l'appariement des particules suggéré par l'ansatz de Cooper ne permettent pas de traiter de manière correcte les influences conjuguées du désordre et de l'attraction dans les supraconducteurs fortement désordonnés. Une extension de notre modèle, au cas de N>2 fermions en interaction, est envisagé, montrant que l'état fondamental à N-corps entreprends une transition d'un état délocalisé (supraconducteur) vers un état localisé (isolant) lorsque le désordre augmente dans le système.

Cette thèse étudie les propriétés de l'opérateur de propagation des ondes ultrasonores en milieu aléatoire. Le dispositif expérimental consiste en un réseau multi-éléments placé en vis-à-vis d'un milieu désordonné. L'opérateur de propagation est donné par la matrice des réponses inter-éléments mesurées entre chaque couple de transducteurs. En s'appuyant sur la théorie des matrices aléatoires, le comportement statistique de cet opérateur a été étudié en régime de diffusion simple et multiple. Une cohérence déterministe des signaux est ainsi mise en évidence en régime de diffusion simple, cohérence qui disparaît dès que la diffusion multiple prédomine. Cette différence de comportement a permis la mise au point d'un radar intelligent séparant les échos simplement et multiplement diffusés. On peut ainsi extraire l'écho direct d'une cible échogène enfouie dans un milieu hautement diffusant, bien que ce dernier soit source de diffusion multiple et d'aberration. Une deuxième approche consiste, au contraire, à extraire une contribution de diffusion multiple noyée dans une contribution de diffusion simple largement prédominante. L'étude de l'intensité multiplement diffusée permet de mesurer des paramètres de transport (p.ex. la constante de diffusion D) caractérisant la propagation de l'onde multiplement diffusée. Un passage en champ lointain (ondes planes) permet d'obtenir une mesure fiable de D en étudiant le cône de rétrodiffusion cohérente. Un passage en champ proche, via l'utilisation de faisceaux gaussiens, permet d'effectuer des mesures locales de D en étudiant la croissance du halo diffusif. Cette approche a été appliquée au cas de l'os trabéculaire humain autour de 3 MHz

La géométrie complexe est un outil puissant pour étudier les systèmes intégrables classiques, la physique statistique sur réseau aléatoire, les problèmes de matrices aléatoires, la théorie topologique des cordes, …Tous ces problèmes ont en commun la présence de relations, appelées équations de boucle ou contraintes de Virasoro. Dans le cas le plus simple, leur solution complète a été trouvée récemment, et se formule naturellement en termes de géométrie différentielle sur une surface de Riemann : la "courbe spectrale", qui dépend du problème. Cette thèse est une contribution au développement de ces techniques et de leurs applications.Pour commencer, nous abordons les questions de développement asymptotique à tous les ordres lorsque N tend vers l’infini, des intégrales N-dimensionnelles venant de la théorie des matrices aléatoires de taille N par N, ou plus généralement des gaz de Coulomb. Nous expliquons comment établir, dans les modèles de matrice beta et dans un régime à une coupure, le développement asymptotique à tous les ordres en puissances de N. Nous appliquons ces résultats à l'étude des grandes déviations du maximum des valeurs propres dans les modèles beta, et en déduisons de façon heuristique des informations sur l'asymptotique à tous les ordres de la loi de Tracy-Widom beta, pour tout beta positif. Ensuite, nous examinons le lien entre intégrabilité et équations de boucle. En corolaire, nous pouvons démontrer l'heuristique précédente concernant l'asymptotique de la loi de Tracy-Widom pour les matrices hermitiennes.Nous terminons avec la résolution de problèmes combinatoires en toute topologie. En théorie topologique des cordes, une conjecture de Bouchard, Klemm, Mariño et Pasquetti affirme que des séries génératrices bien choisies d'invariants de Gromov-Witten dans les espaces de Calabi-Yau toriques, sont solution d'équations de boucle. Nous l'avons démontré dans le cas le plus simple, où ces invariants coïncident avec les nombres de Hurwitz simples. Nous expliquons les progrès récents vers la conjecture générale, en relation avec nos travaux. En physique statistique sur réseau aléatoire, nous avons résolu le modèle O(n) trivalent sur réseau aléatoire introduit par Kostov, et expliquons la démarche à suivre pour résoudre des modèles plus généraux.Tous ces travaux soulignent l'importance de certaines "intégrales de matrices généralisées" pour les applications futures. Nous indiquons quelques éléments appelant à une théorie générale, encore basée sur des "équations de boucles", pour les calculer / Complex analysis is a powerful tool to study classical integrable systems, statistical physics on the random lattice, random matrix theory, topological string theory, … All these topics share certain relations, called "loop equations" or "Virasoro constraints". In the simplest case, the complete solution of those equations was found recently : it can be expressed in the framework of differential geometry over a certain Riemann surface which depends on the problem : the "spectral curve". This thesis is a contribution to the development of these techniques, and to their applications.First, we consider all order large N asymptotics in some N-dimensional integrals coming from random matrix theory, or more generally from "log gases" problems. We shall explain how to use loop equations to establish those asymptotics in beta matrix models within a one cut regime. This can be applied in the study of large fluctuations of the maximum eigenvalue in beta matrix models, and lead us to heuristic predictions about the asymptotics of Tracy-Widom beta law to all order, and for all positive beta. Second, we study the interplay between integrability and loop equations. As a corollary, we are able to prove the previous prediction about the asymptotics to all order of Tracy-Widom law for hermitian matrices.We move on with the solution of some combinatorial problems in all topologies. In topological string theory, a conjecture from Bouchard, Klemm, Mariño and Pasquetti states that certain generating series of Gromov-Witten invariants in toric Calabi-Yau threefolds, are solutions of loop equations. We have proved this conjecture in the simplest case, where those invariants coincide with the "simple Hurwitz numbers". We also explain recent progress towards the general conjecture, in relation with our work. In statistical physics on the random lattice, we have solved the trivalent O(n) model introduced by Kostov, and we explain the method to solve more general statistical models.Throughout the thesis, the computation of some "generalized matrices integrals" appears to be increasingly important for future applications, and this appeals for a general theory of loop equations.

Dans cette thèse, nous étudions deux problèmes d'apprentissage automatique : (I) la détection des communautés et (II) l'appariement adaptatif. I) Il est bien connu que beaucoup de réseaux ont une structure en communautés. La détection de ces communautés nous aide à comprendre et exploiter des réseaux de tout genre. Cette thèse considère principalement la détection des communautés par des méthodes spectrales utilisant des vecteurs propres associés à des matrices choisiesavec soin. Nous faisons une analyse de leur performance sur des graphes artificiels. Au lieu du modèle classique connu sous le nom de « Stochastic Block Model » (dans lequel les degrés sont homogènes) nous considérons un modèle où les degrés sont plus variables : le « Degree-Corrected Stochastic Block Model » (DC-SBM). Dans ce modèle les degrés de tous les nœuds sont pondérés - ce qui permet de générer des suites des degrés hétérogènes. Nous étudions ce modèle dans deux régimes: le régime dense et le régime « épars », ou « dilué ». Dans le régime dense, nous prouvons qu'un algorithme basé sur une matrice d'adjacence normalisée réussit à classifier correctement tous les nœuds sauf une fraction négligeable. Dans le régime épars il existe un seuil en termes de paramètres du modèle en-dessous lequel n'importe quel algorithme échoue par manque d'information. En revanche, nous prouvons qu'un algorithme utilisant la matrice « non-backtracking » réussit jusqu'au seuil - cette méthode est donc très robuste. Pour montrer cela nous caractérisons le spectre des graphes qui sont générés selon un DC-SBM dans son régime épars. Nous concluons cette partie par des tests sur des réseaux sociaux. II) Les marchés d'intermédiation en ligne tels que des plateformes de Question-Réponse et des plateformes de recrutement nécessitent un appariement basé sur une information incomplète des deux parties. Nous développons un modèle de système d'appariement entre tâches et serveurs représentant le comportement de telles plateformes. Pour ce modèle nous donnons une condition nécessaire et suffisante pour que le système puisse gérer un certain flux de tâches. Nous introduisons également une politique de « back-pressure » sous lequel le débit gérable par le système est maximal. Nous prouvons que cette politique atteint un débit strictement plus grand qu'une politique naturelle « gloutonne ». Nous concluons en validant nos résultats théoriques avec des simulations entrainées par des données de la plateforme Stack-Overflow. / In this thesis, we study two problems of machine learning: (I) community detection and (II) adaptive matching. I) It is well-known that many networks exhibit a community structure. Finding those communities helps us understand and exploit general networks. In this thesis we focus on community detection using so-called spectral methods based on the eigenvectors of carefully chosen matrices. We analyse their performance on artificially generated benchmark graphs. Instead of the classical Stochastic Block Model (which does not allow for much degree-heterogeneity), we consider a Degree-Corrected Stochastic Block Model (DC-SBM) with weighted vertices, that is able to generate a wide class of degree sequences. We consider this model in both a dense and sparse regime. In the dense regime, we show that an algorithm based on a suitably normalized adjacency matrix correctly classifies all but a vanishing fraction of the nodes. In the sparse regime, we show that the availability of only a small amount of information entails the existence of an information-theoretic threshold below which no algorithm performs better than random guess. On the positive side, we show that an algorithm based on the non-backtracking matrix works all the way down to the detectability threshold in the sparse regime, showing the robustness of the algorithm. This follows after a precise characterization of the non-backtracking spectrum of sparse DC-SBM's. We further perform tests on well-known real networks. II) Online two-sided matching markets such as Q&A forums and online labour platforms critically rely on the ability to propose adequate matches based on imperfect knowledge of the two parties to be matched. We develop a model of a task / server matching system for (efficient) platform operation in the presence of such uncertainty. For this model, we give a necessary and sufficient condition for an incoming stream of tasks to be manageable by the system. We further identify a so-called back-pressure policy under which the throughput that the system can handle is optimized. We show that this policy achieves strictly larger throughput than a natural greedy policy. Finally, we validate our model and confirm our theoretical findings with experiments based on user-contributed content on an online platform.

Cette thèse s'inscrit dans le domaine des probabilités et des statistiques, et plus précisément des matrices aléatoires. Dans la première partie, on étudie les grandes déviations de la mesure spectrale de matrices de covariance $XX^*$, où $X$ est une matrice aléatoire rectangulaire à coefficients i.i.d. ayant une queue de probabilité en $exp(-at^{alpha})$, $alpha in ]0,2[$. On établit un principe de grandes déviations analogue à celui de Bordenave et Caputo, de vitesse $n^{1+alpha/2}$ et de fonction de taux explicite faisant intervenir la convolution libre rectangulaire. La démonstration repose sur un résultat de quantification de la liberté asymptotique dans le modèle information-plus-bruit. La seconde partie de cette thèse est consacrée à l'étude du comportement en temps long de la solution de l'équation de Fokker-Planck libre en présence du potentiel quartique $V(x) = frac14 x^4 + frac{c}{2} x^2$ avec $c ge -2$. On montre que quand $t to +infty$, la solution $mu_t$ de cette équation aux dérivées partielles converge en distance de Wasserstein vers la mesure d'équilibre associée au potentiel $V$. Ce résultat fournit un premier exemple de convergence en temps long de la solution de l'équation des milieux granulaires en présence d'un potentiel non convexe et d'une interaction logarithmique. Sa démonstration utilise notamment des techniques de probabilités libres. / This thesis lies within the field of probability and statistics, and more precisely of random matrix theory. In the first part, we study the large deviations of the spectral measure of covariance matrices XX*, where X is a rectangular random matrix with i.i.d. coefficients having a probability tail like $exp(-at^{alpha})$, $alpha in (0,2)$. We establish a large deviation principle similar to Bordenave and Caputo's one, with speed $n^{1+alpha/2}$ and explicit rate function involving rectangular free convolution. The proof relies on a quantification result of asymptotic freeness in the information-plus-noise model. The second part of this thesis is devoted to the study of the long-time behaviour of the solution to free Fokker-Planck equation in the setting of the quartic potential $V(x) = frac14 x^4 + frac{c}{2} x^2$ with $c ge -2$. We prove that when $t to +infty$, the solution $mu_t$ to this partial differential equation converge in Wasserstein distance towards the equilibrium measure associated to the potential $V$. This result provides a first example of long-time convergence for the solution of granular media equation with a non-convex potential and a logarithmic interaction. Its proof involves in particular free probability techniques.

Le premier chapitre de ce manuscrit correspond au CV long de l'auteur (établi en mai 2010). Le second chapitre décrit ses contributions scientifiques pour les réseaux sans fils équipés de terminaux multi-dimensionnels. Le troisième chapitre est dédié aux contributions de l'auteur aux réseaux sans fils équipés de terminaux-relais. Le quatrième chapitre correspond lui aux réseaux sans fils équipés de terminaux autonomes décisionnellement (réseaux sans fils distribués). Le manuscrit est conclu par les perspectives de l'auteur.