L'objet de la thèse est d'étudier des processus stochastiques coalescents modélisant la généalogie d'une population échangeable avec immigration. On représente la population par l'ensemble des entiers N = {1, 2, ..}. Imaginons que l'on échantillonne n individus dans la population aujourd'hui. On cherche à regrouper ces n individus selon leur ancêtre en remontant dans le temps. En raison de l'immigration, il se peut qu'à partir d'une certaine génération, certains individus n'aient pas d'ancêtre dans la population. Par convention, nous les regrouperons dans un bloc que nous distinguerons en ajoutant l'entier 0. On parle du bloc distingué. Les coalescents distingués échangeables sont des processus à valeurs dans l'espace des partitions de Z+ := {0, 1, 2, ...}. A chaque temps t est associée une partition distinguée échangeable, c'est-à-dire une partition dont la loi est invariante sous l'action des permu- tations laissant 0 en 0. La présence du bloc distingué implique de nouvelles coagulations, inexistantes dans les coalescents classiques. Nous déterminons un critère suffisant (et né- cessaire avec conditions) pour qu'un coalescent distingué descende de l'infini. C'est-à-dire qu'immédiatement après 0, le processus n'ait plus qu'un nombre fini de blocs. D'autre part, nous nous intéressons à une relation de dualité entre ces coalescents et des processus à valeurs dans les mesures de probabilité, appelés processus de Fleming-Viot généralisés avec immigration. Nous établissons des liens entre ces derniers et les processus de branchement continus avec immigration. Dans le cas d'un processus de branchement avec reproduction α-stable et immigration (α−1)-stable, nous montrons que le processus à valeurs mesures associé, renormalisé, est un processus de Fleming-Viot avec immigration changé de temps.

Cette thèse étudie le Q-processus de certains processus de branchement (superprocessus inhomogènes) ou de recombinaison (processus de Lambda-Fleming-Viot) via une approche généalogique. Dans le premier cas, le Q-processus est défini comme le processus conditionné à la non-extinction, dans le second cas comme le processus conditionné à la non-absorption. Des constructions trajectorielles des Q-processus sont proposées dans les deux cas. Une nouvelle relation entre superprocessus homogènes et processus de Lambda-Fleming-Viot est établie. Enfin, une étude du Q-processus est menée dans le cadre général des processus régénératifs

L'objectif de ce travail est d'étudier le comportement en temps long d'un modèle de particules avec une interaction de type branchement. Plus précisément, les particules se déplacent indépendamment suivant une dynamique markovienne jusqu'au temps de branchement, où elles donnent naissance à de nouvelles particules dont la position dépend de celle de leur mère et de son nombre d'enfants. Dans la première partie de ce mémoire nous omettons le branchement et nous étudions le comportement d'une seule lignée. Celle-ci est modélisée via un processus de Markov qui peut admettre des sauts, des parties diffusives ou déterministes par morceaux. Nous quantifions la convergence de ce processus hybride à l'aide de la courbure de Wasserstein, aussi nommée courbure grossière de Ricci. Cette notion de courbure, introduite récemment par Joulin, Ollivier, et Sammer correspond mieux à l'étude des processus avec sauts. Nous établissons une expression du gradient du semigroupe des processus de Markov stochastiquement monotone, qui nous permet d'expliciter facilement leur courbure. D'autres bornes fines de convergence en distance de Wasserstein et en variation totale sont aussi établies. Dans le même contexte, nous démontrons qu'un processus de Markov, qui change de dynamique suivant un processus discret, converge rapidement vers un équilibre, lorsque la moyenne des courbures des dynamiques sous-jacentes est strictement positive. Dans la deuxième partie de ce mémoire, nous étudions le comportement de toute la population de particules. Celui-ci se déduit du comportement d'une seule lignée grâce à une formule many-to-one, c'est-à-dire un changement de mesure de type Girsanov. Via cette transformation, nous démontrons une loi des grands nombres et établissons une limite macroscopique, pour comparer nos résultats aux résultats déjà connus en théorie des équations aux dérivées partielles. Nos résultats sont appliqués sur divers modèles ayant des applications en biologie et en informatique. Parmi ces modèles, nous étudierons le comportement en temps long de la plus grande particule dans un modèle simple de population structurée en taille

Le développement du temps-réel est aujourd'hui une préoccupation majeure dans la conception des réseaux de télécommunication et des réseaux informatiques. Toute donnée doit alors avoir une "durée de vie" très limitée dans le système, puisque son traitement doit être instantané. Pour rendre compte de cette contrainte dans la représentation d'un nœud du réseau, on enrichit le modèle classique de la file d'attente d'un nouveau paramètre: le délai d'exécution des tâches. On parlera donc de file d'attente avec clients impatients: ils entrent dans le magasin avec une patience limitée et le quittent si leur délai expire avant d'avoir atteint un serveur. Nous étudions des cas où la discipline de service dépend du délai des clients ( EDF: on sert le plus pressé, LDF: le moins pressé...). Ceux-ci présentent une dynamique instable, ce qui en complique notoirement la description markovienne. Pour un système général sous toute discipline de service, un schéma de récurrence arrière aux instants de fins de service nous permet de prouver sous Palm l'Existence/Unicité du régime stationnaire, et de donner la condition de récurrence. Nous prouvons dans le même cadre par des techniques de couplage qu'EDF est la discipline optimale et que LDF est la pire pour la probabilité de perte à l'équilibre P et donnons une borne du gain d'EDF en terme de P. Nous calculons en outre des encadrements de P sous EDF dans certains cas. Nous proposons ensuite une description markovienne de la file d'attente avec clients impatients par le processus à valeur mesures ponctuelles simples où chaque masse de Dirac représente le délai résiduel d'un client en attente ou déjà perdu. Nous donnons la limite fluide d'une suite de renormalisations de ce processus en espace, temps et amplitude, ainsi qu'un théorème central limite fonctionnel établissant la convergence en loi de l'écart à la limite vers un processus de diffusion . La limite fluide, à trajectoires continues et déterministes, s'écrit explicitement comme l'unique solution d'une équation intégrale dans l'espace des processus à valeurs distributions tempérées. Les convergences s'obtiennent par passage aux fonctions tests du dual, et par des méthodes de compacité/unicité. Nous appliquons ces résultats à l'estimation asymptotique des processus de congestion et de perte sous EDF et FIFO, et au système délai pur.

L'objectif de ce travail est d'étudier le comportement en temps long d'un modèle de particules avec une interaction de type branchement. Plus précisément, les particules se déplacent indépendamment suivant une dynamique markovienne jusqu'au temps de branchement, où elles donnent naissance à de nouvelles particules dont la position dépend de celle de leur mère et de son nombre d'enfants. Dans la première partie de ce mémoire nous omettons le branchement et nous étudions le comportement d'une seule lignée. Celle-ci est modélisée via un processus de Markov qui peut admettre des sauts, des parties diffusives ou déterministes par morceaux. Nous quantifions la convergence de ce processus hybride à l'aide de la courbure de Wasserstein, aussi nommée courbure grossière de Ricci. Cette notion de courbure, introduite récemment par Joulin, Ollivier, et Sammer correspond mieux à l'étude des processus avec sauts. Nous établissons une expression du gradient du semigroupe des processus de Markov stochastiquement monotone, qui nous permet d'expliciter facilement leur courbure. D'autres bornes fines de convergence en distance de Wasserstein et en variation totale sont aussi établies. Dans le même contexte, nous démontrons qu'un processus de Markov, qui change de dynamique suivant un processus discret, converge rapidement vers un équilibre, lorsque la moyenne des courbures des dynamiques sous-jacentes est strictement positive. Dans la deuxième partie de ce mémoire, nous étudions le comportement de toute la population de particules. Celui-ci se déduit du comportement d'une seule lignée grâce à une formule many-to-one, c'est-à-dire un changement de mesure de type Girsanov. Via cette transformation, nous démontrons une loi des grands nombres et établissons une limite macroscopique, pour comparer nos résultats aux résultats déjà connus en théorie des équations aux dérivées partielles. Nos résultats sont appliqués sur divers modèles ayant des applications en biologie et en informatique. Parmi ces modèles, nous étudierons le comportement en temps long de la plus grande particule dans un modèle simple de population structurée en taille / The aim of this work is to study the long time behavior of a branching particle model. More precisely, the particles move independently from each other following a Markov dynamics until the branching event. When one of these events occurs, the particle produces some random number of individuals whose position depends on the position of its mother and her number of offspring. In the first part of this thesis, we only study one particle line and we ignore the branching mechanism. So we are interested by the study of a Markov process which can jump, diffuse or be piecewise deterministic. The long time behavior of these hybrid processes is described with the notion of Wasserstein or coarse Ricci curvature. This notion of curvature, introduced by Joulin, Ollivier and Sammer, is more appropriate for the study of processes with jumps. We establish an expression of the gradient of the Markov semigroup of stochastically monotone processes which gives the curvature of these processes. Others sharp bounds of convergence, in Wasserstein distance and total variation distance, are also established. In the same way, we prove that if a Markov process evolves according to one of finitely many underlying Markovian dynamics, with a choice of dynamics that changes at the jump times of a second Markov process, then it is exponentially ergodic, under the assumption that the mean of the curvature of the underlying dynamics is positive. In the second part of the work, we study all the population. Its behaviour can be deduced to the study of the first part using a Girsavov-type transform which is called a many-to-one formula. Using this relation, we establish a law of large numbers and a macroscopic limit, in order to compare our results to the well know results on deterministic setting. Several examples, based on biology and computer science problems, illustrate our results, including the study of the largest individual in a size-structured population model

Cette thèse étudie le Q-processus de certains processus de branchement (superprocessus inhomogènes) ou de recombinaison (processus de Lambda-Fleming-Viot) via une approche généalogique. Dans le premier cas, le Q-processus est défini comme le processus conditionné à la non-extinction, dans le second cas comme le processus conditionné à la non-absorption. Des constructions trajectorielles des Q-processus sont proposées dans les deux cas. Une nouvelle relation entre superprocessus homogènes et processus de Lambda-Fleming-Viot est établie. Enfin, une étude du Q-processus est menée dans le cadre général des processus régénératifs / This work is concerned with the definition and study of the Q-process of some branching processes (inhomogeneous superprocesses) or recombination processes (Lambda-Fleming-Viot process). In the first case, the Q-process is defined as the process conditioned on non-extinction, whereas in the second case, it is defined as the process conditioned on non-absorbtion. A pathwise construction of the Q-process is given in both cases. A link between a class of homogeneous superprocesses and Lambda-Fleming-Viot processes is provided. Last, a study of the Q-process in the more general framework of regenerative processes is performed

0n s'intéresse à la modélisation probabiliste pour l'évolution génétique de populations diploïdes, dans un contexte d'éco-évolution. La population considérée est modélisée par un processus de naissance et mort multi-types, avec interaction, et dont les taux de naissance modélisent la reproduction mendélienne. En particulier, la taille de la population considérée n'est pas constante et peut être petite. Une première partie du travail est consacrée à l'étude probabiliste du vortex d'extinction démo-génétique, un phénomène au cours duquel la taille d'une petite population décroît de plus en plus rapidement suite à des fixations de plus en plus fréquentes de mutations délétères. Nous donnons notamment une formule pour la probabilité de fixation d'un allèle légèrement délétère en fonction de la composition génétique de la population et nous prouvons l'existence d'un vortex d'extinction sous une hypothèse de mutations rares. Nous donnons par ailleurs des résultats numériques et une analyse biologique détaillée des comportements obtenus. Nous étudions en particulier l'impact du vortex sur la dynamique de la taille moyenne de population, et nous quantifions ce phénomène en fonction des paramètres écologiques. Dans une deuxième partie, sous une asymptotique de grande taille de population et événements de naissance et mort fréquents, nous étudions d'abord la convergence vers une dynamique lente-rapide et le comportement quasi-stationnaire d'une population diploïde caractérisée par sa composition génétique à un locus bi-allélique. Nous étudions en particulier la possibilité de coexistence en temps long de deux allèles dans la population conditionnée à ne pas être éteinte. Ensuite nous généralisons cette dynamique lente-rapide à une population présentant un nombre fini quelconque d'allèles. La population est alors modélisée par un processus à valeurs mesures dont nous prouvons la convergence lorsque le nombre d'allèles tend vers l'infini vers un superprocessus de Fleming-Viot généralisé, avec une taille de population variable et une sélection diploïde additive.