La prévision d'ensemble à l'échelle saisonnière avec des modèles de circulation générale a connu un essor certain au cours des vingt dernières années avec la croissance exponentielle des capacités de calcul, l'amélioration de la résolution des modèles, et l'introduction progressive dans ceux-ci des différentes composantes (océan, atmosphère, surfaces continentales et glace de mer) régissant l'évolution du climat à cette échelle. Malgré ces efforts, prévoir la température et les précipitations de la saison à venir reste délicat, non seulement sur les latitudes tempérées mais aussi sur des régions sujettes à des aléas climatiques forts comme l'Afrique de l'ouest pendant la saison de mousson. L'une des clés d'une bonne prévision est la prise en compte des incertitudes liées à la formulation des modèles (résolution, paramétrisations, approximations et erreurs). Une méthode éprouvée est l'approche multi-modèle consistant à regrouper les membres de plusieurs modèles couplés en un seul ensemble de grande taille. Cette approche a été mise en œuvre notamment dans le cadre du projet européen ENSEMBLES, et nous montrons qu'elle permet généralement d'améliorer les rétro-prévisions saisonnières des précipitations sur plusieurs régions d'Afrique par rapport aux modèles pris individuellement. On se propose dans le cadre de cette thèse d'étudier une autre piste de prise en compte des incertitudes du modèle couplé CNRM-CM5, consistant à ajouter des perturbations stochastiques de la dynamique du modèle d'atmosphère ARPEGE-Climat. Cette méthode, baptisée “dynamique stochastique”, consiste à introduire des perturbations additives de température, humidité spécifique et vorticité corrigeant des estimations d'erreur de tendance initiale du modèle. Dans cette thèse, deux méthodes d'estimation des erreurs de tendance initiale ont été étudiées, basées sur la méthode de nudging (guidage) du modèle vers des données de référence. Elles donnent des résultats contrastés en termes de scores des rétro-prévisions selon les régions étudiées. Si on estime les corrections d'erreur de tendance initiale par une méthode de nudging itéré du modèle couplé vers les réanalyses ERA-Interim, on améliore significativement les scores sur l'hémisphère Nord en hiver en perturbant les prévisions saisonnières en tirant aléatoirement parmi ces corrections. Cette amélioration est accompagnée d'une nette réduction des biais de la hauteur de géopotentiel à 500 hPa. Une rétro-prévision en utilisant des perturbations dites“optimales” correspondant aux corrections d'erreurs de tendance initiale du mois en cours de prévision montre l'existence d'une information à l'échelle mensuelle qui pourrait permettre de considérablement améliorer les prévisions. La dernière partie de cette thèse explore l'idée d'un conditionnement des perturbations en fonction de l'état du modèle en cours de prévision, afin de se rapprocher si possible des améliorations obtenues avec ces perturbations optimales / Over the last twenty years, research in ensemble predictions at a seasonal timescale using general circulation models has undergone a considerable development due to the exponential growth rate of computing capacities, the improved model resolution and the introduction of more and more components (ocean, atmosphere, land surface and sea-ice) that have an impact on climate at this time scale. Regardless of these efforts, predicting temperature and precipitation for the upcoming season is a difficult task, not only over mid-latitudes but also over regions subject to high climate risk, like West Africa during the monsoon season. One key to improving predictions is to represent model uncertainties (due to resolution, parametrizations, approximations and model error). The multimodel approach is a well-tried method which consists in pooling members from different individual coupled models into a single superensemble. This approach was undertaken as part of the European Commission funded ENSEMBLES project, and we find that it usually improves seasonal precipitation re-forecasts over several regions of Africa with respect to individual model predictions. The main goal of this thesis is to study another approach to addressing model uncertainty in the global coupled model CNRM-CM5, by adding stochastic perturbations to the dynamics of the atmospheric model ARPEGE-Climat. Our method, called “stochastic dynamics”, consists in adding additive perturbations to the temperature, specific humidity and vorticity fields, thus correcting estimations of model initial tendency errors. In this thesis, two initial tendency error estimation techniques were studied, based on nudging the model towards reference data. They yield different results in terms of re-forecast scores, depending on the regions studied. If the initial tendency error corrections are estimated using an iterative nudging method towards the ERA-Interim reanalysis, seasonal prediction scores over the Northern Hemisphere in winter are significantly improved by drawing random corrections. The 500 hPa geopotential height is also clearly reduced. A re-forecast using “optimal” perturbations drawn within the initial tendency error corrections from the current forecast month shows that useful information at a monthly timescale exists, and could allow significant forecast improvement. The last part of this thesis focuses on the idea of classifying the model perturbations according to its current state during the forecast, in order to take a step closer (if possible) to the improvements noted with these optimal perturbations

La prévision d'ensemble à l'échelle saisonnière avec des modèles de circulation générale a connu un essor certain au cours des vingt dernières années avec la croissance exponentielle des capacités de calcul, l'amélioration de la résolution des modèles, et l'introduction progressive dans ceux-ci des différentes composantes (océan, atmosphère, surfaces continentales et glace de mer) régissant l'évolution du climat à cette échelle. Malgré ces efforts, prévoir la température et les précipitations de la saison à venir reste délicat, non seulement sur les latitudes tempérées mais aussi sur des régions sujettes à des aléas climatiques forts comme l'Afrique de l'ouest pendant la saison de mousson. L'une des clés d'une bonne prévision est la prise en compte des incertitudes liées à la formulation des modèles (résolution, paramétrisations, approximations et erreurs). Une méthode éprouvée est l'approche multi-modèle consistant à regrouper les membres de plusieurs modèles couplés en un seul ensemble de grande taille. Cette approche a été mise en œuvre notamment dans le cadre du projet européen ENSEMBLES, et nous montrons qu'elle permet généralement d'améliorer les rétro-prévisions saisonnières des précipitations sur plusieurs régions d'Afrique par rapport aux modèles pris individuellement. On se propose dans le cadre de cette thèse d'étudier une autre piste de prise en compte des incertitudes du modèle couplé CNRM-CM5, consistant à ajouter des perturbations stochastiques de la dynamique du modèle d'atmosphère ARPEGE-Climat. Cette méthode, baptisée "dynamique stochastique", consiste à introduire des perturbations additives de température, humidité spécifique et vorticité corrigeant des estimations d'erreur de tendance initiale du modèle. Dans cette thèse, deux méthodes d'estimation des erreurs de tendance initiale ont été étudiées, basées sur la méthode de nudging (guidage) du modèle vers des données de référence. Elles donnent des résultats contrastés en termes de scores des rétro-prévisions selon les régions étudiées. Si on estime les corrections d'erreur de tendance initiale par une méthode de nudging itéré du modèle couplé vers les réanalyses ERA-Interim, on améliore significativement les scores sur l'hémisphère Nord en hiver en perturbant les prévisions saisonnières en tirant aléatoirement parmi ces corrections. Cette amélioration est accompagnée d'une nette réduction des biais de la hauteur de géopotentiel à 500 hPa. Une rétro-prévision en utilisant des perturbations dites"optimales" correspondant aux corrections d'erreurs de tendance initiale du mois en cours de prévision montre l'existence d'une information à l'échelle mensuelle qui pourrait permettre de considérablement améliorer les prévisions. La dernière partie de cette thèse explore l'idée d'un conditionnement des perturbations en fonction de l'état du modèle en cours de prévision, afin de se rapprocher si possible des améliorations obtenues avec ces perturbations optimales

L'objectif de cette thèse est l'étude des échanges et de la dissipation d'énergie aux échelles mésoscopiques, à travers l'étude de nanotubes, de nanofils ou de pointes taillées par exemple. Notre intérêt pour la dissipation d'énergie nous portera vers les NEMS (Nano Electro Mechanical Systems) et leur facteur de qualité. Pour étudier les échanges d'énergie nous nous intéresserons à la thermodynamique aux petites échelles et notamment aux machines thermiques qui exploitent ces échanges d'énergie pour extraire un travail utile (mécanique, électrique...). Ce travail se concentre dans un premier temps sur la dissipation d'énergie et plus particulièrement sur le facteur de qualité de nanotubes de carbone mono-paroi à température ambiante et sur la façon de l'augmenter par application d'une tension électrique. Cette tension électrique induit un fort tirage sur le nanotube et la modification concomitante de la forme du mode résonant modifie la dissipation d’énergie. Ce phénomène, couplé à une modification des propriétés de l’ancrage (effet d’ancrage mou ajustable en tension) résultant également de la tension, diminue drastiquement la dissipation d’énergie et on atteint alors des facteurs de qualité record. Dans un second temps, nous nous intéressons aux machines thermiques : une machine stochastique cyclique et une machine électrique continue. La machine thermique stochastique est réalisée avec un nanofil vibrant sous ultra haut vide. La thermodynamique stochastique permet de redéfinir le travail et la chaleur pour un objet qui stocke des quantités d’énergies similaires aux fluctuations du bain thermique avec lequel il est en contact. Le premier objectif est de réaliser un cycle de Carnot permettant d'atteindre le rendement du même nom, inaccessible pour les machines macroscopiques. Pour la machine thermique continue nous étudions numériquement un prototype de machine thermique électrique basé sur des effets de résonance d'effet tunnel qui pourrait être une amélioration du principe des machines thermoïoniques. L’utilisation de l’effet tunnel permet à priori de réduire la température de la source chaude de la machine puisque l’on a plus besoin de vaincre le travail de sortie des deux électrodes. Les résonances dans l’effet tunnel, obtenues par confinement dans une dimension, permettent un filtrage en énergie des électrons passant d’un réservoir thermique à l’autre, ce qui a pour effet d’améliorer le rendement de la machine / The purpose of this work is the study of energy transfer and dissipation at the mesoscopic scale, through the study of nanotubes, nanowires, or sharp tips for example. Our interest for energy dissipation will lead us to dive into Nano Electro Mechanical Systems (NEMS) and their quality factor. Energy transfers will be studied with small scale thermodynamics and stochastic heat engines which use those energy transfers to produce useful work (mechanical, electrical…). This work is focused in a first time on the energy dissipation and particularly on the quality factor of single wall carbon nanotubes at room temperature and the ways to improve it by applying an electrical voltage. This voltage induces a strong pulling on the nanotube and the resulting vibrating shape modification changes the dissipation. This phenomenon, coupled with a clamping modification (tunable soft clamping) also stemming from the voltage, drastically reduces the dissipation. We can then achieve record high quality factors. In a second time we take interest in heat engines: a stochastic cyclic heat engine and a continuous electrical heat engine. The stochastic heat engine is realized with a vibrating nanowire under high vacuum. The stochastic thermodynamics allow us to redefine work and heat for an object that stores energies of the order of magnitude of thermal fluctuations in the thermal bath it interacts with. The aim is to build a Carnot cycle and achieve the corresponding yield, out of reach for macroscopic engines. Concerning the continuous heat engine we study numerically a prototype for an electrical heat engine based on resonant tunneling which could be an improvement of the thermionic heat engines. Allowing the thermal reservoirs to exchange electrons through tunneling allows in principle to reduce the temperature of the hot source because overcoming the work function of both electrodes is not necessary anymore. The resonances in the tunnel effect, obtained through confinement of one dimension, is useful for filtering the energy of the electrons tunneling from one reservoir to another, thus increasing the yield of the heat engine