Plusieurs cadres théoriques ont tenté de rendre compte des processus de synchronisation interpersonnelle. Les théories cognitivistes suggèrent que la synchronisation est réalisée par le biais d’une correction discrète et mutuelle des asynchronies entre les deux partenaires. Les théories dynamiques reposent sur l’hypothèse d’un couplage continu des deux systèmes, conçus comme oscillateurs auto-entretenus. Enfin le modèle du complexity matching repose sur l’hypothèse d’une coordination multi-échelle entre les deux systèmes en interaction. Dans un premier temps, nous développons des tests statistiques permettant de repérer dans les données expérimentales les signatures typiques de ces trois modes de coordination. Nous proposons notamment une signature multifractale, basée sur l’analyse des corrélations entre les spectres multifractals caractérisant les séries produites par les deux systèmes en interaction. Nous développons également une analyse de cross-corrélation fenêtrée, qui permet de dévoiler les processus locaux de synchronisation mis en œuvre. Ces études nous permettent de revisiter un certain nombre de travaux antérieurs. Nous montrons notamment que si la synchronisation de tâches discrètes telles que le tapping repose en effet sur des processus de correction discrète des asynchronies, la synchronisation de tâches continues telles que les oscillations de pendules est essentiellement basée sur les mêmes principes de correction discrète, et non sur un couplage continu des effecteurs. Nos résultats indiquent également que la synchronisation peut révéler des mécanismes hybrides mixant notamment correction des asynchronies et complexity matching. Enfin nous mettons en évidence que la marche synchronisée met en œuvre un effet dominant de complexity matching, d’autant plus prégnant que les deux partenaires sont étroitement couplés (marche bras-dessus-bras-dessous). Nous proposons dans un second temps d’exploiter ce résultat pour tester la possibilité d’une restauration de la complexité chez les personnes âgées. Le vieillissement a en effet été caractérisé comme un processus de perte graduelle de complexité, et cet effet a été notamment documenté dans le domaine de la locomotion. Il a notamment été montré que la perte de complexité corrélait avec la propension à la chute. La théorie du complexity matching suppose que deux systèmes en interaction tendent à aligner leurs niveaux de complexité. Elle suppose également que lorsque deux systèmes de niveaux différents de complexité interagissent, le système le plus complexe tend à attirer le moins complexe, engendrant un accroissement de la complexité chez le second. Nous montrons, dans un protocole au cours duquel des personnes âgées sont invitées à marcher bras-dessus-bras-dessous avec un accompagnant jeune, que la synchronisation entre les deux partenaires est réalisée au travers d’un effet d’appariement des complexités, et que l’entrainement prolongé en marche synchronisée permet une restauration de la complexité de la locomotion chez les personnes âgées. Cet effet perdure lors d’un post-test réalisé deux semaines après la fin de l’entraînement. Ce résultat, outre le fait qu’il conforte un des aspects essentiels de la théorie du complexity matching, ouvre de nouvelles voies de recherche pour la conception de stratégies de réhabilitation et de prévention de la chute. / Several theoretical frameworks have attempted to account for interpersonal synchronization processes. Cognitive theories suggest that synchronization is achieved through discrete and mutual corrections of asynchronies between the two partners. The dynamic theories are based on the assumption of a continuous coupling between the two systems, conceived as self-sustained oscillators. Finally, the complexity matching model is based on the assumption of a multi-scale coordination between the two interacting systems. As a first step, we develop statistical tests in order to identify, in experimental data, the typical signatures of these three modes of coordination. In particular, we propose a multifractal signature, based on the analysis of correlations between the multifractal spectra characterizing the series produced by the two interacting systems. We also develop a windowed cross-correlation analysis, which aims at revealing the nature of the local synchronization processes. These studies allow us to revisit a number of previous works. We show that if the synchronization of discrete tasks such as tapping relies on discrete correction processes of asynchronies, the synchronization of continuous tasks such as pendulum oscillations is essentially based on the same principles of discrete correction, and not on a continuous coupling of effectors. Our results also indicate that synchronization could be sustained by hybrid mechanisms mixing notably asynchronies correction and complexity matching. Finally we highlight that synchronized walking is based on a dominant effect of complexity matching, especially when partners are closely coupled (arm-in-arm walking). We propose in a second step to exploit this result to test the possibility of a restoration of complexity in the elderly. Aging has indeed been characterized as a process of gradual loss of complexity, and this effect has been particularly documented in the field of locomotion. In particular, it has been shown that the loss of complexity correlates in older people with the propensity to fall. Complex matching theory assumes that two interacting systems tend to align their complexity levels. It also assumes that when two systems of different levels of complexity interact, the more complex system tends to attract the less complex, causing an increase in complexity in the second. We show, in a protocol in which older people are invited to walk arm-in-arm with a younger companion, that synchronization between the two partners is achieved through a complexity matching effect, and that prolonged training in such synchronized walking allows a restoration of the complexity of locomotion in the elderly. This effect persists during a post-test conducted two weeks after the end of the training sessions. This result, in addition to reinforcing one of the essential aspects of the theory of complexity matching, opens new avenues of research for the design of rehabilitation and fall prevention strategies.

Cette thèse est consacrée à l’étude statistique des systèmes complexes à travers l’analyse de signaux expérimentaux, de signaux synthétiques et de signaux générés à partir de modèles théoriques. On a choisi la turbulence comme paradigme d’ ́etude en raison de ses propriétés: dynamique non linéaire, comportement multi-échelle, cascade d’énergie, intermittence ... Afin de faire une caractérisation statistique d’un système complexe on s’intéresse à l’étude de la distribution (fonction de densité de probabilité), des corrélations et dépendances, et des relations de causalité de Wiener, des signaux qui décrivent le système. La théorie de l’information apparaît comme un cadre idéal pour developer ce type d’analyse. Dans le cadre de la théorie de l’information on a développé deux méthodologies, différentes mais reliées, pour analyser les propriétés d’auto similarité d’un système complexe, et plus précisément de la turbulence. La première méthodologie est basée sur l’analyse des incréments du processus étudié, avec l’entropie de Shannon et la divergence de Kullback-Leibler. La deuxième méthode, qui permet d’analyser des processus non stationnaires, est basée sur l’analyse du processus avec le taux d’entropie de Shannon. On a étudié la relation entre les deux méthodologies, lesquelles caractérisent la distribution d’information du système et la déformation de la distribution des incréments, à travers les échelles. / Most of the time when studying a system, scientists face processes whose properties are a priori unknown. Characterising these processes is a major task to describe the studied system. During this thesis, which combines signal processing and physics, we were mainly motivated by the study of complex systems and turbulence, and consequently, we were interested in the study of regularity and self-similarity properties, long range dependence structures and multi-scale behavior. In order to perform this kind of study, we use information theory quantities, which are functions of the probability density function of the analysed process, and so depend on any order statistics of its PDF. We developed different, but related, data analysis methodologies, based on information theory, to analyse a process across scales τ. These scales are usually identified with the sampling parameter of Takens embedding procedure, but also with the size of the increments of the process. The methodologies developed during this thesis, can be used to characterize stationnary and non-stationnary processes by analysing time windows of length T of the studied signal.

Il existe deux façons d'analyser l'activité cérébrale acquise en magnétoencéphalographie (MEG) : soit en moyennant les réponses suscitées par la répétition d'un stimulus afin d'observer le « champ évoqué »; soit en décomposant le signal en bandes oscillatoires (tel que l'alpha, le bêta ou le gamma), chacune étant associée à différents rôles fonctionnels. Ces méthodes ne prennent cependant pas compte de la complexité de l'activité cérébrale dont l'essentiel est arythmique, notamment au repos. Pour pallier à cela, une autre approche consiste à analyser le spectre de puissance en 1/f observable dans les très basses fréquences, une caractéristique des systèmes dont la dynamique est invariante d'échelle. Pour savoir si cette propriété joue un quelconque rôle dans le fonctionnement cérébral et si elle a des conséquences sur le comportement, nous avons établit un paradigme d'apprentissage visuel permettant d'observer de la plasticité fonctionnelle au cours d'une session MEG. Pour avoir un entraînement optimal, nous avons développé de nouveaux stimuli audiovisuels (AV) (une texture acoustique associée à un nuage de points colorés en mouvement) permettant une intégration multisensorielle et de ce fait un meilleur apprentissage que celui apporté par un entraînement visuel seul (V) ou accompagné d'un bruit acoustique (AVn). Nous avons ensuite étudié les corrélats neuronaux de ces trois types d'apprentissage par l'analyse classique des champs évoqués. Une fois l'activité reconstruite sur la surface corticale de chaque individu à l'aide de MNE-dSPM, nous avons identifié le réseau impliqué dans la tâche au sein de chaque groupe. En particulier, la plasticité sélective observée dans l'aire hMT+ associée au traitement du mouvement visuel corrélait avec les progressions comportementales des individus et était soutenue en AV par un plus vaste réseau comprenant notamment des aires multisensorielles. Parallèlement, nous avons exploré les liens reliant le comportement et les propriétés d'invariance d'échelle de ces mêmes signaux MEG reconstruits sur le cortex. Tandis que la plupart des études se limitent à analyser l'auto-similarité (une caractéristique globale synonyme de longue mémoire), nous avons aussi considéré les fluctuations locales (c-à-d la multifractalité) au moyen de l'analyse WLBMF. Nous avons trouvé des modulations couplées de l'auto-similarité et de la multifractalité dans des régions similaires à celles révélées par l'analyse des champs évoqués. Plus surprenant, Le degré de multifractalité relevé dans chaque individu convergeait durant l'entraînement vers un même attracteur reflétant la performance comportementale asymptotique. / The analysis of Human brain activity in magnetoencephalography (MEG) can be generally conducted in two ways: either by focusing on the average response evoked by a stimulus repeated over time, more commonly known as an ``event-related field'' (ERF), or by decomposing the signal into functionally relevant oscillatory or frequency bands (such as alpha, beta or gamma). However, the major part of brain activity is arrhythmic and these approaches fail in describing its complexity, particularly in resting-state. As an alternative, the analysis of the 1/f-type power spectrum observed in the very low frequencies, a hallmark of scale-free dynamics, can overcome these issues. Yet it remains unclear whether this scale-free property is functionally relevant and whether its fluctuations matter for behavior. To address this question, our first concern was to establish a visual learning paradigm that would entail functional plasticity during an MEG session. In order to optimize the training effects, we developed new audiovisual (AV) stimuli (an acoustic texture paired with a colored visual motion) that induced multisensory integration and indeed improved learning compared to visual training solely (V) or accompanied with acoustic noise (AVn). This led us to investigate the neural correlates of these three types of training using first a classical method such as the ERF analysis. After source reconstruction on each individual cortical surface using MNE-dSPM, the network involved in the task was identified at the group-level. The selective plasticity observed in the human motion area (hMT+) correlated across all individuals with the behavioral improvement and was supported by a larger network in AV comprising multisensory areas. On the basis of these findings, we further explored the links between the behavior and scale-free properties of these same source-reconstructed MEG signals. Although most studies restricted their analysis to the global measure of self-similarity (i.e. long-range fluctuations), we also considered local fluctuations (i.e. multifractality) by using the Wavelet Leader Based Multifractal Formalism (WLBMF). We found intertwined modulations of self-similarity and multifractality in the same cortical regions as those revealed by the ERF analysis. Most astonishing, the degree of multifractality observed in each individual converged during the training towards a single attractor that reflected the asymptotic behavioral performance in hMT+. Finally, these findings and their associated methodological issues are compared with the ones that came out from the ERF analysis.

Les îles tropicales sont soumises à un ennuagement hétérogène et changeant rapidement. Par ailleurs, elles ont une ressource solaire importante mais significativement variable d’un jour à l’autre. Dans le sud-ouest de l’océan indien (SWIO), La Réunion fait partie de ces îles tropicales ayant un potentiel solaire colossal mais fortement intermittent. Dans cette étude, nous proposons une nouvelle approche de prévision déterministe des cartes journalières rayonnement solaire (SSR), basée sur quatre modèles de régression linéaire : une régression linéaire multiple (MLR), une régression en composantes principales (PCR), une régression des moindres carrés (PLSR) et une régression pas à pas (stepwise--SR). Ces quatre régressions sont appliquées sur les données satellites SARAH-E (CM SAF) à 5km de résolution entre 2007 et 2016, en vue d’en effectuer la prévision. Pour obtenir de meilleures performances, nous proposons d'inclure les paramètres multi-fractale (H,C_1 et α) comme nouveaux paramètres prédictifs. Ceux-ci sont obtenus à partir de l'analyse de l'intermittence du SSR basée sur la méthode d’analyse d’ordre spectral arbitraire de Hilbert. Cette analyse qui est une extension de la transformation d’Hilbert Huang (HHT) est utilisée afin d’estimer l’exposant d’échelle ξ(q). On effectue la combinaison d’une décomposition en mode empirique et de l’analyse spectrale de Hilbert (EMD + HSA). Dans une première étape, l’analyse multi-fractale est appliquée sur une mesure du SSR d'une seconde échelle à partir d'un pyranomètre SPN1 à Moufia en 2016. La moyenne infra journalière, journalière et saisonnière de la structure multi-fractale a été dérivée, et la loi d’échelle d’exposants ξ(q) a été analysée. Dans une seconde partie, l’analyse de l’intermittence est effectuée sur les mesures du SSR, d'une période d’une minute, à partir le réseau de SPN1 contenant 11 stations en 2014. Les modèles spatiaux pour toutes les stations avec les paramètres multi-fractales H,C_1 et α sont mis en évidence. La variabilité de la largeur du spectre de singularité est considérée pour étudier l'intermittence spatiale et la multi-fractalité dans l'échelle quotidienne et l'échelle saisonnière. Sur la base de ces analyses d'intermittence faites sur les mesures de plusieurs stations, les paramètres multi-fractaux universels (H,C_1 et α) pourraient être choisis comme de nouveaux prédicteurs afin d’indiquer les propriétés multi-fractales du SSR. / Due to the heterogeneous and rapidly-changing cloudiness, tropical islands, such as Reunion Island in the South-west Indian Ocean (SWIO), have significant solar resource that is highly variable from day-to-day. In this study, we propose a new approach for deterministic prediction of daily surface solar radiation (SSR) maps based on four linear regression models: multiple linear regression (MLR), principal component regression (PCR), partial least squares regression (PLSR), and stepwise regression (SR), that we have applied on the SARAH-E@5km satellite data (CM SAF) for the period during 2007-2016. To improve the accuracy of prediction, the multifractal parameters (H,C_1 and α) are proposed to include as new predictors in the predictive model. These parameters are obtained from the analysis of SSR intermittency based on arbitrary order Hilbert spectral analysis. This analysis is the extension of Hilbert Huang Transform (HHT) and it is used to estimate the generalized scaling exponent ξ(q). It is the combination of the Empirical Mode Decomposition and Hilbert spectral analysis (EMD+HSA). In a first step, the multifractal analysis is applied onto one-second SSR measurements form a SPN1 pyranometer in Moufia in 2016. The mean sub-daily, daily and seasonal daily multifractal patterns are derived, and the scaling exponent ξ(q) is analyzed. In a second step, the intermittency study is conducted on one-minute SSR measurements from a SPN1 network with 11 stations in 2014. The spatial patterns for all the stations with the multifractal parameters H,C_1 and α are shown. The variability of singularity spectrum width is considered to study the spatial intermittency at the daily and seasonal scale. Based on this intermittency analysis from measurements at several stations, the universal multifractal parameters (H,C_1 and α) could be taken as new predictors for indicating the multifractal properties of SSR.

Environ 25% de la population mondiale est atteinte de troubles psychiatriques qui sont typiquement associés à des problèmes comportementaux, fonctionnels et/ou cognitifs et dont les corrélats neurophysiologiques sont encore très mal compris. Non seulement ces dysfonctionnements réduisent la qualité de vie des individus touchés, mais ils peuvent aussi devenir un fardeau pour les proches et peser lourd dans l’économie d’une société. Cibler les mécanismes responsables du fonctionnement atypique du cerveau en identifiant des biomarqueurs plus robustes permettrait le développement de traitements plus efficaces. Ainsi, le premier objectif de cette thèse est de contribuer à une meilleure caractérisation des changements dynamiques cérébraux impliqués dans les troubles mentaux, plus précisément dans la schizophrénie et les troubles d’humeur. Pour ce faire, les premiers chapitres de cette thèse présentent, en intégral, deux revues de littératures systématiques que nous avons menées sur les altérations de connectivité cérébrale, au repos, chez les patients schizophrènes, dépressifs et bipolaires. Ces revues révèlent que, malgré des avancées scientifiques considérables dans l’étude de l’altération de la connectivité cérébrale fonctionnelle, la dimension temporelle des mécanismes cérébraux à l’origine de l’atteinte de l’intégration de l’information dans ces maladies, particulièrement de la schizophrénie, est encore mal comprise. Par conséquent, le deuxième objectif de cette thèse est de caractériser les changements cérébraux associés à la schizophrénie dans le domaine temporel. Nous présentons deux études dans lesquelles nous testons l’hypothèse que la « disconnectivité temporelle » serait un biomarqueur important en schizophrénie. Ces études explorent les déficits d’intégration temporelle en schizophrénie, en quantifiant les changements de la dynamique neuronale dite invariante d’échelle à partir des données magnétoencéphalographiques (MEG) enregistrés au repos chez des patients et des sujets contrôles. En particulier, nous utilisons (1) la LRTCs (long-range temporal correlation, ou corrélation temporelle à longue-distance) calculée à partir des oscillations neuronales et (2) des analyses multifractales pour caractériser des modifications de l’activité cérébrale arythmique. Par ailleurs, nous développons des modèles de classification (en apprentissage-machine supervisé) pour mieux cerner les attributs corticaux et sous-corticaux permettant une distinction robuste entre les patients et les sujets sains. Vu que ces études se basent sur des données MEG spontanées enregistrées au repos soit avec les yeux ouvert, ou les yeux fermées, nous nous sommes par la suite intéressés à la possibilité de trouver un marqueur qui combinerait ces enregistrements. La troisième étude originale explore donc l’utilité des modulations de l’amplitude spectrale entre yeux ouverts et fermées comme prédicteur de schizophrénie. Les résultats de ces études démontrent des changements cérébraux importants chez les patients schizophrènes au niveau de la dynamique d’invariance d’échelle. Elles suggèrent une dégradation du traitement temporel de l’information chez les patients, qui pourrait être liée à leurs symptômes cognitifs et comportementaux. L’approche multimodale de cette thèse, combinant la magétoencéphalographie, analyses non-linéaires et apprentissage machine, permet de mieux caractériser l’organisation spatio-temporelle du signal cérébrale au repos chez les patients atteints de schizophrénie et chez des individus sains. Les résultats fournissent de nouvelles preuves supportant l’hypothèse d’une « disconnectivité temporelle » en schizophrénie, et étendent les recherches antérieures, en explorant la contribution des structures cérébrales profondes et en employant des mesures non-linéaires avancées encore sous-exploitées dans ce domaine. L’ensemble des résultats de cette thèse apporte une contribution significative à la quête de nouveaux biomarqueurs de la schizophrénie et démontre l’importance d’élucider les altérations des propriétés temporelles de l’activité cérébrales intrinsèque en psychiatrie. Les études présentées offrent également un cadre méthodologique pouvant être étendu à d’autres psychopathologie, telles que la dépression. / Psychiatric disorders affect nearly a quarter of the world’s population. These typically bring about debilitating behavioural, functional and/or cognitive problems, for which the underlying neural mechanisms are poorly understood. These symptoms can significantly reduce the quality of life of affected individuals, impact those close to them, and bring on an economic burden on society. Hence, targeting the baseline neurophysiology associated with psychopathologies, by identifying more robust biomarkers, would improve the development of effective treatments. The first goal of this thesis is thus to contribute to a better characterization of neural dynamic alterations in mental health illnesses, specifically in schizophrenia and mood disorders. Accordingly, the first chapter of this thesis presents two systematic literature reviews, which investigate the resting-state changes in brain connectivity in schizophrenia, depression and bipolar disorder patients. Great strides have been made in neuroimaging research in identifying alterations in functional connectivity. However, these two reviews reveal a gap in the knowledge about the temporal basis of the neural mechanisms involved in the disruption of information integration in these pathologies, particularly in schizophrenia. Therefore, the second goal of this thesis is to characterize the baseline temporal neural alterations of schizophrenia. We present two studies for which we hypothesize that the resting temporal dysconnectivity could serve as a key biomarker in schizophrenia. These studies explore temporal integration deficits in schizophrenia by quantifying neural alterations of scale-free dynamics using resting-state magnetoencephalography (MEG) data. Specifically, we use (1) long-range temporal correlation (LRTC) analysis on oscillatory activity and (2) multifractal analysis on arrhythmic brain activity. In addition, we develop classification models (based on supervised machine-learning) to detect the cortical and sub-cortical features that allow for a robust division of patients and healthy controls. Given that these studies are based on MEG spontaneous brain activity, recorded at rest with either eyes-open or eyes-closed, we then explored the possibility of finding a distinctive feature that would combine both types of resting-state recordings. Thus, the third study investigates whether alterations in spectral amplitude between eyes-open and eyes-closed conditions can be used as a possible marker for schizophrenia. Overall, the three studies show changes in the scale-free dynamics of schizophrenia patients at rest that suggest a deterioration of the temporal processing of information in patients, which might relate to their cognitive and behavioural symptoms. The multimodal approach of this thesis, combining MEG, non-linear analyses and machine-learning, improves the characterization of the resting spatiotemporal neural organization of schizophrenia patients and healthy controls. Our findings provide new evidence for the temporal dysconnectivity hypothesis in schizophrenia. The results extend on previous studies by characterizing scale-free properties of deep brain structures and applying advanced non-linear metrics that are underused in the field of psychiatry. The results of this thesis contribute significantly to the identification of novel biomarkers in schizophrenia and show the importance of clarifying the temporal properties of altered intrinsic neural dynamics. Moreover, the presented studies offer a methodological framework that can be extended to other psychopathologies, such as depression.

Mon travail de thèse est consacré à l’étude de quelques aspects de la physique quantique des systèmes quantiques à N corps en interaction. Il est orienté vers l’étude des chaînes de spins quantiques. Je me suis intéressé à plusieurs questions relatives aux chaînes de spins quantiques, du point de vue numérique et analytique à la fois. J'aborde en particulier les questions relatives à la structure des fonctions d'onde, la forme de la densité d'états et les propriétés spectrales des Hamiltoniens de chaînes de spins. Dans un premier temps, je présenterais très rapidement les techniques numériques de base pour le calcul des vecteurs et valeurs propres des Hamiltonien de chaînes de spins. Les densités d’états des modèles quantiques constituent des quantités importantes et très simples qui permettent de caractériser les propriétés spectrales des systèmes avec un grand nombre de degrés de liberté. Alors que dans la limite thermodynamique, les densités d'états de la plupart des modèles intégrables sont bien décrites par une loi gaussienne, dans certaines limites de couplage de la chaîne de spins au champ magnétique et pour un nombre de spins N fini sur la chaîne, on observe l’apparition de pics dans la densité d’états. Je montrerais que la connaissance des deux premiers moments du Hamiltonien dans le sous-espace dégénéré associé à chaque pics donne une bonne approximation de la densité d’états. Dans un deuxième temps je m'intéresserais aux propriétés spectrales des Hamiltoniens de chaînes de spins quantiques. L’un des principal résultats sur la statistique spectrale des systèmes quantiques concerne le comportement universel des fluctuations des mesures telles que l’espacement entre valeurs propres consécutives. Ces fluctuations sont bien décrites par la théorie des matrices aléatoires mais la comparaison avec les prédictions de cette théorie nécessite généralement une opération sur le spectre du Hamiltonien appelée unfolding. Dans les problèmes quantiques de N corps, la taille de l’espace de Hilbert croît généralement exponentiellement avec le nombre de particules, entraînant un manque de données pour pouvoir faire une statistique. Ces limitations ont amené l’introduction d’une nouvelle mesure se passant de la procédure d’unfolding basée sur le rapport d’espacements successifs plutôt que les espacements. En suivant l’idée du “surmise” de Wigner pour le calcul de la distribution de l’espacement, je montre comment calculer une approximation de la distribution du rapport d’espacements dans les trois ensembles gaussiens invariants en faisant le calcul pour des matrices 3x3. Les résultats obtenus pour les différents ensembles de matrices aléatoires se sont révélés être en excellent accord avec les résultats numériques. Enfin je m’intéresserais à la structure des fonctions d’ondes fondamentales des modèles de chaînes de spins quantiques. Les fonctions d’onde constituent, avec le spectre en énergie, les objets fondamentaux des systèmes quantiques : leur structure est assez compliquée et n’est pas très bien comprise pour la plupart des systèmes à N corps. En raison de la croissance exponentielle de la taille de l’espace de Hilbert avec le nombre de particules, l’étude des vecteurs propres est une tâche très difficile, non seulement du point de vue analytique mais aussi du point de vue numérique. Je démontrerais en particulier que l’état fondamental de tous les modèles que nous avons étudiés est multifractal avec en général une dimension fractale non triviale. / My thesis is devoted to the study of some aspects of many body quantum interacting systems. In particular we focus on quantum spin chains. I have studied several aspects of quantum spin chains, from both numerical and analytical perspectives. I addressed especially questions related to the structure of eigenfunctions, the level densities and the spectral properties of spin chain Hamiltonians. In this thesis, I first present the basic numerical techniques used for the computation of eigenvalues and eigenvectors of spin chain Hamiltonians. Level densities of quantum models are important and simple quantities that allow to characterize spectral properties of systems with large number of degrees of freedom. It is well known that the level densities of most integrable models tend to the Gaussian in the thermodynamic limit. However, it appears that in certain limits of coupling of the spin chain to the magnetic field and for finite number of spins on the chain, one observes peaks in the level density. I will show that the knowledge of the first two moments of the Hamiltonian in the degenerate subspace associated with each peak give a good approximation to the level density. Next, I study the statistical properties of the eigenvalues of spin chain Hamiltonians. One of the main achievements in the study of the spectral statistics of quantum complex systems concerns the universal behaviour of the fluctuation of measure such as the distribution of spacing between two consecutive eigenvalues. These fluctuations are very well described by the theory of random matrices but the comparison with the theoretical prediction generally requires a transformation of the spectrum of the Hamiltonian called the unfolding procedure. For many-body quantum systems, the size of the Hilbert space generally grows exponentially with the number of particles leading to a lack of data to make a proper statistical study. These constraints have led to the introduction of a new measure free of the unfolding procedure and based on the ratio of consecutive level spacings rather than the spacings themselves. This measure is independant of the local level density. By following the Wigner surmise for the computation of the level spacing distribution, I obtained approximation for the distribution of the ratio of consecutive level spacings by analyzing random 3x3 matrices for the three canonical ensembles. The prediction are compared with numerical results showing excellent agreement. Finally, I investigate eigenfunction statistics of some canonical spin-chain Hamiltonians. Eigenfunctions together with the energy spectrum are the fundamental objects of quantum systems: their structure is quite complicated and not well understood. Due to the exponential growth of the size of the Hilbert space, the study of eigenfunctions is a very difficult task from both analytical and numerical points of view. I demonstrate that the groundstate eigenfunctions of all canonical models of spin chain are multifractal, by computing numerically the Rényi entropy and extrapolating it to obtain the multifractal dimensions.