Notre étude est motivée par un problème d'évaluation de la biomasse, c'est à dire de la densité des œufs d'anchois à l'instant de ponte dans le golfe de Biscay-Gascogne. Les données sont les densités, c'est à dire les poids d' œufs d'anchois par unité de surface dans le golfe, collectées lors de la campagne d'échantillonnage de 1994. Le problème consiste à estimer la densité des œufs d'anchois au moment de leur ponte et le taux de mortalité. Jusqu'à présent, ce problème a été résolu en ajustant les données précédentes à un modèle classique de mortalité exponentielle. Notre analyse montre que ce modèle n'est pas adapté aux données à cause de la grande variation spatial de la densité d'œufs au moment de ponte. Or pour les données considérées, les densités A(tj,kj) des œufs au moment de ponte diffèrent de façon aléatoire selon les zones géographiques de kj ponte. Nous proposons de modéliser les A(tj,kj) comme un échantillon issu d'une variable aléatoire d'espérance a0 et ayant une densité de probabilité fA, ce qui conduit au modèle de mortalité étendue (EEM) suivant : Y (tj,kj) = A (tj,kj) e-z0tj +e(tj,kj) Le problème que nous avons à étudier alors est d'estimer les paramètres du modèle et la densité fA. Nous résolvons ce problème en deux étapes; nous commençons par estimer les paramètres par des techniques de régression, puis nous estimons la densité fA en combinant l'estimation non-paramétrique de densité, avec l'estimation du paramètre z0 et avec éventuellement une déconvolution de densités. Les résultats des études en simulations que nous réalisons corroborent les résultats théorique de la consistance / The motivation of this study is to evaluate the anchovy biomass, that is estimate the egg densities at the spawning time and the mortality rate. The data are the anchovy egg densities that are the egg weights by area unit, collected in the Gascogne bay. The problem we are faced is to estimate from these data the egg densities at the spawning time. Until now, this is done by using the classical exponential mortality model. However, such model is inadequate for the data under consideration because of the great spatial variability of the egg densities at the spawning time. They are samples of generated by a r.v whose mathematical expectation is a0 and the probability density function is fA. Therefore, we propose an extended exponential mortality model Y (tj,kj) = A (tj,kj) e-z0tj +e(tj,kj) where A(tj,kj) and e(tj,kj) are i.i.d, with the random variables A and e being assumed to be independent. Then the problem consists in estimating the mortality rate and the probability density of the random variable . We solve this semiparametric estimation problem in two steps. First, we estimate the mortality rate by fitting an exponential mortality model to averaged data. Second, we estimate the density fA by combining nonparametric estimation method with deconvolution technique and estimate the parameter z0. Theoretical results of consistence of these estimates are corroborated by simulation studies

Cette thèse a pour objectif d’explorer plusieurs approches pour traiter des comportements extrêmes. Nous commençons par définir une nouvelle classe M de fonctions positives et mesurables à support R^+ ayant un comportement asymptotique polynomial, strictement plus grande que la classe de fonctions à variation régulière (RV). Les fonctions U∊M sont identifiées à un indice réel, appelé le M -indice de U, correspondant à l’indice de RV si U est RV. Nous démontrons des propriétés algébriques et analytiques, ainsi que plusieurs caractérisations de M. Nous pouvons étendre M et certaines de ses propriétés à deux classes, M_∞ et M_(-∞), ensembles de fonctions dont le comportement asymptotique est de type e^x et e^(-x) respectivement. Nous généralisons également le théorème de Karamata et le théorème Taubérien de Karamata à M, et mettons en relation le domaine d’attraction de Fréchet et M, ainsi que celui de Gumbel et M_(-∞). Nous pouvons proposer une preuve unifiée des théorèmes Taubériens de type exponentiel donnés par Kohlbecker, de Bruijn, et Kasahara, en utilisant une caractérisation de M. La seconde partie de la thèse traite d’une part de l’analyse empirique des avantages économiques générées par le partenariat de Swiss Life France avec un organisme tiers, révélant des relations non linéaires entre les variables impliquées dans l’étude; d’autre part de l’analyse empirique des relations entre les risques de mortalité et de marché mettant en évidence une dépendance faible entre ces extrêmes. Dans la dernière partie de la thèse, nous proposons un nouveau modèle relationnel à risque accéléré, intégré dans une régression de Poisson, montrant un excellent ajustement aux données réelles. / The main objective of this thesis is to explore several approaches to deal with extreme behaviors. We start defining a new class M of positive and measurable functions with support R^+ and polynomial asymptotic tail behavior, strictly larger than the class of regularly varying (RV) functions. The functions U∊M are identified by a real index, called the M-index of U, which corresponds to the RV index when U is RV. Algebraic and analytic properties and characterizations of M are given. M is extended into two classes, called M_∞ and M_(-∞), of which functions have exponential asymptotic tail behaviors of the types e^x and e^(-x) respectively. Properties satisfied on M also hold on those classes. Extensions on M of Karamata’s theorem and Karamata’s Tauberian theorem are given. Relations between the domain of attraction of Fréchet and M, as well as that of Gumbel and M_(-∞) are provided. Using a characterization of M, a unified proof of the Tauberian theorems of exponential type given by Kohlbecker, de Bruijn, and Kasahara is given. The second part of the thesis presents on one hand an empirical analysis on the economic benefits generated by the partnership of Swiss Life France with a third-party organization revealing non-linear relations between variables involved in the study; on the other hand, an empirical study on relations between mortality and market risks provides evidence of weak dependence between these extremes. The last part of the thesis presents an accelerated hazard relational model, embedded in a Poisson regression framework, showing an excellent fit to real data.