Cette thèse porte sur l'étude de modèles de polymère en milieu aléatoire: on se concentre sur le cas d'un polymère dirigé en dimension d+1 qui interagit avec un défaut unidimensionnel. Les interactions sont possiblement non-homogènes, et sont représentées par des variables aléatoires. Une question importante est celle de l'influence du désordre sur le phénomène de localisation: on veut déterminer si la présence d'inhomogénéités modifie les propriétés critiques du système, et notamment les caractéristiques de la transition de phase (auquel cas le désodre est dit pertinent). En particulier, nous prouvons que dans le cas où le défaut est une marche aléatoire, le désordre est pertinent en dimension d≥3. Ensuite, nous étudions le modèle d'accrochage sur une ligne de défauts possédant des inhomogénéités corrélées spatialement. Il existe un critère non rigoureux (dû à Weinrib et Halperin), que l'on applique à notre modèle, et qui prédit si le désordre est pertinent ou non en fonction de l'exposant critique du système homogène, noté νpur, et de l'exposant de décroissance des corrélations. Si le désordre est gaussien et les corrélations sommables, nous montrons la validité du critère de Weinrib-Halperin: nous le prouvons dans la version hiérarchique du modèle, et aussi, de manière partielle, dans le cadre (standard) non-hiérarchique. Nous avons de plus obtenu un résultat surprenant: lorsque les corrélations sont suffisamment fortes, et en particulier si elles sont non-sommables (dans le cadre gaussien), il apparaît un régime où le désordre devient toujours pertinent, l'ordre de la transition de phase étant toujours plus grand que νpur. La prédiction de Weinrib-Halperin ne s'applique alors pas à notre modèle.

Le modèle d'accrochage de polymère décrit le comportement d'une chaîne de Markov en interaction avec un état donné. Cette interaction peut attirer ou repousser la chaîne de Markov et elle est modulée par deux paramètres, h et β. Quand β = 0 on parle de modèle homogène, qui est complètement solvable. Le modèle désordonné, i.e. quand β > 0, est mathématiquement le plus intéressant. Dans ce cas, l'interaction dépend d'une source d'aléa extérieur indépendant de la chaîne de Markov, appelée désordre. L'interaction est réalisée en modifiant la loi originelle de la chaîne de Markov par une mesure de Gibbs et la probabilité obtenue définit le modèle d'accrochage de polymère. Le but principal est d'étudier et de comprendre la structure des trajectoires typiques de la chaîne de Markov sous cette nouvelle probabilité. Le premier sujet de recherche concerne le modèle d'accrochage de polymère où le désordre est à queues lourdes et où le temps de retour de la chaîne de Markov suit une distribution sous-exponentielle. Dans notre deuxième résultat nous étudions le modèle d'accrochage de polymère avec un désordre à queues légères et le temps de retour de la chaîne de Markov avec une distribution à queues polynomiales d'exposant α > 0. On peut démontrer qu'il existe un point critique, h(β). Notre but est comprendre le comportement du point critique quand β -> 0. La réponse dépend de la valeur de α. Dans la littérature on a des résultats précis pour α < ½ et α > 1. Nous montrons que α ∈ (1/2, 1) le comportement du modèle dans la limite du désordre faible est universel et le point critique, opportunément changé d'échelle, converge vers la même quantité donnée par un modèle continu / The pinning model describes the behavior of a Markov chain in interaction with a distinguished state. This interaction can attract or repel the Markov chain path with a force tuned by two parameters, h and β. If β = 0 we obtain the homogeneous pinning model, which is completely solvable. The disordered pinning model, i.e. when β > 0, is most challenging and mathematically interesting. In this case the interaction depends on an external source of randomness, independent of the Markov chain, called disorder. The interaction is realized by perturbing the original Markov chain law via a Gibbs measure, which defines the Pinning Model. Our main aim is to understand the structure of a typical Markov chain path under this new probability measure. The first research topic of this thesis is the pinning model in which the disorder is heavy-tailed and the return times of the Markov chain have a sub-exponential distribution. In our second result we consider a pinning model with a light-tailed disorder and the return times of the Markov chain with a polynomial tail distribution, with exponent α > 0. It is possible to show that there exists a critical point, h(β). Our goal is to understand the behavior of the critical point when β -> 0. The answer depends on the value of α and in the literature there are precise results only for the case α < ½ et α > 1. We show that for α ∈ (1/2, 1) the behavior of the pinning model in the weak disorder limit is universal and the critical point, suitably rescaled, converges to the related quantity of a continuum model

Cette thèse porte sur l'étude de modèles de polymère en milieu aléatoire: on se concentre sur le cas d'un polymère dirigé en dimension d+1 qui interagit avec un défaut unidimensionnel. Les interactions sont possiblement non-homogènes, et sont représentées par des variables aléatoires. Une question importante est celle de l'influence du désordre sur le phénomène de localisation: on veut déterminer si la présence d'inhomogénéités modifie les propriétés critiques du système, et notamment les caractéristiques de la transition de phase (auquel cas le désodre est dit pertinent). En particulier, nous prouvons que dans le cas où le défaut est une marche aléatoire, le désordre est pertinent en dimension d≥3. Ensuite, nous étudions le modèle d'accrochage sur une ligne de défauts possédant des inhomogénéités corrélées spatialement. Il existe un critère non rigoureux (dû à Weinrib et Halperin), que l'on applique à notre modèle, et qui prédit si le désordre est pertinent ou non en fonction de l'exposant critique du système homogène, noté νpur, et de l'exposant de décroissance des corrélations. Si le désordre est gaussien et les corrélations sommables, nous montrons la validité du critère de Weinrib-Halperin: nous le prouvons dans la version hiérarchique du modèle, et aussi, de manière partielle, dans le cadre (standard) non-hiérarchique. Nous avons de plus obtenu un résultat surprenant: lorsque les corrélations sont suffisamment fortes, et en particulier si elles sont non-sommables (dans le cadre gaussien), il apparaît un régime où le désordre devient toujours pertinent, l'ordre de la transition de phase étant toujours plus grand que νpur. La prédiction de Weinrib-Halperin ne s'applique alors pas à notre modèle. / This thesis studies models of polymers in random environment: we focus on the case of a directed polymer in dimension d+1 that interacts with a one-dimensional defect. The interactions are possibly inhomogeneous, and are represented by random variables. We deal with the question of the influence of disorder on the localization phenomenon: we want to determine if the presence of inhomogeneities modifies the critical properties of the system, and especially the characteristics of the phase transition (in that case disorder is said to be pertinent). In particular, we prove that if the defect is a random walk, disorder is relevant in dimension d≥3. We then study the pinning model in random correlated environment. There is a non-rigourous criterion (due to Weinrib and Halperin), that we can apply to our model, and that predicts disorder relevance/irrelevance, according to the value of the critical exponent of the homogeneous system, denoted νpur, and of the correlation decay exponent. When disorder is Gaussian and correlations are summable, we show that the Weinrib-Halperin criterion is valid: we prove this in the hierarchical version of the model, and also, partially, in the non-hierachical (standard) framework. Moreover, we obtained a surprising result: when correlations are sufficiently strong, and in particular when they are non-summable (in the gaussian framework), a new regime in which disorder is always relevant appears, the order of the phase transition being always larger than νpur. The Weinrib-Halperin prediction therefore does not apply to our model.