Je démontre que la théorie des corrections quantiques à la conductivité, issues de la localisation faible et de l'interaction entre les électrons, donne une description raisonnable des caractéristiques de transport de charge dans les couches polycristallines de SnO2 du côté métallique de la transition métal-isolant. Les données expérimentales, obtenues aux basses températures (T = 1.8-50 K) et en champs magnétiques statiques et pulsés (jusqu'à 52 Tesla), sont analysées dans le cadre du régime de localisation faible, ainsi que dans le cadre du régime de forte localisation. Parallèlement à la discussion des mécanismes du transport de charge électrique dans les couches désordonnées de SnO2, je présente l'aperçu des approches théoriques, développées pour la description de ces mécanismes, et leurs limites. Les méthodes pour l'extraction des corrections quantiques à la conductivité, issues de la localisation faible et de l'interaction électron-électron, sont critiquement considérées. Nos résultats supposent que : 1. le mécanisme principal du déphasage des électrons est la dispersion électron-électron avec un petit transfert d'énergie ; 2. aux champs magnétiques forts, quand B ≫ Btr ≡ ~h/(4eDτ), la dépendance de la conductivité en fonction de la température est gouvernée par les corrections quantiques issues de l'interaction entre les électrons (dans la gamme T = 2 − 15 K). Pour les échantillons étudiés : Btr ≈ 0.3 Tesla, kF l ≈ 10.

Les singularités en mécanique correspondent à la focalisation des déformations sur une zone très petite au lieu qu'elles soient réparties de façon homogène dans le matériau. Dans cette thèse, nous nous intéressons à deux d'entre-elles: les plis qui apparaissent lorsque l'on confine des tiges et la fracture dans des plaques. La première partie du mémoire concerne le confinement de tiges dans un espace bidimensionnel. La géométrie de tels systèmes est contrainte par les dimensions du récipient confinant et par l'impossibilité du matériau de s'interpénétrer. Les motifs développés sont complexes et présentent une large gamme d'échelles de longueurs. Dans une première expérience, nous suivons la dynamique de confinement d'un anneau de gel en croissance. Nous montrons que l'espace des phases se complexifie avec une augmentation du confinement. Dans une deuxième expérience, une tige est confinée dans une cellule de Hele-Shaw circulaire au travers d'un potentiel radial, de façon réversible. La grande diversité des géométries explorées nécessite d'en faire une étude statistique. Nous trouvons que les motifs s'ordonnent avec le confinement notamment par un processus de superposition de couches de la tige. Nous définissons la compressibilité de la configuration d'une tige confinée comme étant sa réponse à une perturbation mécanique, et montrons qu'elle permet une mesure du désordre de la géométrie globale. Nous abordons ensuite les problèmes de propagation et d'interaction de fissures dans des plaques minces. Le dispositif expérimental élaboré reproduit le geste que l'on fait lorsque l'on déchire une feuille de papier. Nous montrons que la propagation d'une fissure dans un film mince, soumise à un mode de cisaillement hors du plan à grande échelle (mode III), se produit de telle sorte que la pointe de la fissure est ouverte localement sous l'action d'un mode d'ouverture (mode I). Dans une seconde expérience, deux fissures se propageant simultanément dans le film mince interagissent et leurs trajectoires s'attirent. Nous montrons que l'interaction des deux fissures se fait au travers du pli formé par la languette centrale qui induit des déformations élastiques dans le reste du film.

Ce mémoire présente mes activités de recherche dans le domaine de la mécanique statistique des systèmes désordonnés, en particulier sur les modèles de champ moyen à connectivité finie. Ces modèles présentent de nombreuses transitions de phase dans la limite thermodynamique, avec des applications tant pour la physique des verres que pour leurs liens avec des problèmes d'optimisation de l'informatique théorique. Leur comportement sous l'effet de fluctuations quantiques est aussi discuté, en lien avec des perspectives de calcul quantique.

Ce travail a pour but l'étude de la transition de Mott dans le silicium dopé au phosphore (ou à l'arsenic) au moyen de la double résonance électron-noyau et de la résonance nucléaire du Si29.

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.

Les travaux présentés dans cette thèse ont pour objectif d'apporter à la physique mésoscopique un éclairage concernant la compréhension des propriétés de transport électroniques d'une classe de matériaux récemment découverts : les isolants topologiques.La première partie de ce manuscrit est une introduction aux isolants topologiques, mettant en partie l'accent sur leurs spécificités par rapport aux isolants "triviaux" : des états de bords hélicaux (dans le cas de l'effet Hall quantique de spin en 2 dimensions) ou de surface relativistes (pour les isolants topologiques tridimensionnels) robustes vis-à-vis du désordre.La deuxième partie propose une sonde de l'hélicité des états de bords de l'effet Hall quantique de spin en étudiant les propriétés remarquables de l'injection de paires de Cooper dans cette phase topologique.La troisième partie étudie la diffusion des états de surface des isolants topologiques tridimensionnels dans le régime cohérent de phase. L'étude de la diffusion, de la correction quantique à la conductance (antilocalisation faible) et de l'amplitude des fluctuations universelles de conductance de fermions de Dirac sans masse est présentée. Cette étude est aussi menée dans la cas d'états de surface dont la surface de Fermi présente la déformation hexagonale observée expérimentalement.

Une donnée peut avoir diverses formes et peut provenir d'un large panel d'applications. Habituellement, une donnée possède beaucoup de bruit et peut être soumise aux effets du hasard. Les récents progrès en apprentissage automatique ont relancé les recherches théoriques sur les limites des différentes méthodes probabilistes de traitement du signal. Dans cette thèse, nous nous intéressons aux questions suivantes : quelle est la meilleure performance possible atteignable ? Et comment peut-elle être atteinte, i.e., quelle est la stratégie algorithmique optimale ?La réponse dépend de la forme des données. Les sujets traités dans cette thèse peuvent tous être représentés par des modèles graphiques. Les propriétés des données déterminent la structure intrinsèque du modèle graphique correspondant. Les structures considérées ici sont soit éparses, soit denses. Les questions précédentes peuvent être étudiées dans un cadre probabiliste, qui permet d'apporter des réponses typiques. Un tel cadre est naturel en physique statistique et crée une analogie formelle avec la physique des systèmes désordonnés. En retour, cela permet l'utilisation d'outils spécifiques à ce domaine et de résoudre des problèmes de satisfaction de contraintes et d'inférence statistique. La problématique de performance optimale est directement reliée à la structure des extrema de la fonction d'énergie libre macroscopique, tandis que les aspects algorithmiques proviennent eux de la minimisation de la fonction d'énergie libre microscopique (c'est-à-dire, dans la forme de Bethe).Cette thèse est divisée en quatre parties. Premièrement, nous aborderons par une approche de physique statistique le problème de la coloration de graphes aléatoires et mettrons en évidence un certain nombre de caractéristiques. Dans un second temps, nous calculerons une nouvelle limite supérieure de la taille de l'ensemble contagieux. Troisièmement, nous calculerons le diagramme de phase du modèle de Dawid et Skene dans la région dense en modélisant le problème par une factorisation matricielle de petit rang. Enfin, nous calculerons l'erreur optimale de Bayes pour une classe restreinte de l'estimation matricielle de rang élevé. / Datasets come in a variety of forms and from a broad range of different applications. Typically, the observed data is noisy or in some other way subject to randomness. The recent developments in machine learning have revived the need for exact theoretical limits of probabilistic methods that recover information from noisy data. In this thesis we are concerned with the following two questions: what is the asymptotically best achievable performance? And how can this performance be achieved, i.e., what is the optimal algorithmic strategy? The answer depends on the properties of the data. The problems in this thesis can all be represented as probabilistic graphical models. The generative process of the data determines the structure of the underlying graphical model. The structures considered here are either sparse random graphs or dense (fully connected) models. The above questions can be studied in a probabilistic framework, which leads to an average (or typical) case answer. Such a probabilistic formulation is natural to statistical physics and leads to a formal analogy with problems in disordered systems. In turn, this permits to harvest the methods developed in the study of disordered systems, to attack constraint satisfaction and statistical inference problems. The formal analogy can be exploited as follows. The optimal performance analysis is directly related to the structure of the extrema of the macroscopic free energy. The algorithmic aspects follow from the minimization of the microscopic free energy (that is, the Bethe free energy in this work) which is closely related to message passing algorithms. This thesis is divided into four contributions. First, a statistical physics investigation of the circular coloring problem is carried out that reveals several distinct features. Second, new rigorous upper bounds on the size of minimal contagious sets in random graphs, with bounded maximum degree, are obtained. Third, the phase diagram of the dense Dawid-Skene model is derived by mapping the problem onto low-rank matrix factorization. The associated approximate message passing algorithm is evaluated on real-world data. Finally, the Bayes optimal denoising mean square error is derived for a restricted class of extensive rank matrix estimation problems.

Cette thèse présente plusieurs aspects de la croissance stochastique des interfaces, par lebiais de son modèle le plus étudié, l'équation de Kardar-Parisi-Zhang (KPZ). Bien qued'expression très simple, cette équation recèle une grande richesse phénoménologiqueet est l'objet d'une recherche intensive depuis des dizaines d'années. Cela a conduit àl'émergence d'une nouvelle classe d'universalité, contenant des modèles de croissanceparmi les plus courants, tels que le Eden model ou encore le Polynuclear Growth Model.L'équation KPZ est également reliée à des problèmes d'optimisation en présence dedésordre (le Polymère Dirigé), ou encore à la turbulence des uides (l'équation de Burger), renforçant son intérêt. Cependant, les limites de cette classe d'universalitésont encore mal comprises. L'objet de cette thèse est, après avoir présenté les progrèsles plus récents dans le domaine, de tester les limites de cette classe d'universalité. Lathèse s'articule en quatre parties :i) Dans un premier temps, nous présentons des outils théoriques qui permettent decaractériser finement l'évolution de l'interface. Ces outils montrent une grande flexibilité, que nous illustrons en considérant le cas d'une géométrie confinée (une interfacecroissant le long d'une paroi).ii) Nous nous penchons ensuite sur l'influence du désordre, et plus particulièrementl'importance des évènements extrêmes dans la mécanique de croissance. Les largesfluctuations du désordre déforment l'interface et conduisent à une modification notabledes exposants de scaling. Nous portons une attention particulière aux conséquencesd'un tel désordre sur les stratégies d'optimisation en milieu désordonné.iii) La présence de corrélations dans le désordre est d'un intérêt expérimentalimmédiat. Bien qu'elles ne modifient pas la classe d'universalité, elles influent grandement sur la vitesse de croissance moyenne de l'interface. Cette partie est dédiée àl'étude de cette vitesse moyenne, souvent négligée car délicate à définir, et à l'existenced'un optimum de croissance intimement lié à la compétition entre exploration et exploitation.iv) Enfin, nous considérons un exemple expérimental de croissance stochastique (quin'appartient toutefois pas à la classe KPZ) et développons un formalisme phénoménologiquepour modéliser la propagation d'une interface chimique dans un milieu poreux désordonné.Tout au long du manuscrit, les conséquences des phénomènes observées dans desdomaines variés, tels que les stratégies d'optimisation, la dynamique des populations,la turbulence ou la finance, sont détaillées. / This Thesis presents several aspects of the stochastic growth, through its most paradig-matic model, the Kardar-Parisi-Zhang equation (KPZ). Albeit very simple, this equa-tion shows a rich behaviour and has been extensively studied for decades. The existenceof a new universality class is now well established, containing numerous growth modelslike the Eden model or the Polynuclear Growth Model. The KPZ equation is closelyrelated to optimisation problems (the Directed Polymer) or turbulence of uids (theBurgers equation), a feature that underlines its importance. Nonetheless, the bound-aries of this universality class are still vague. The focus of this Thesis is to probe thoselimits through various modifications of the models. It is divided in four chapters:i) First, we present theoretical tools, borrowed from integrable systems, that allowto characterize in great details the evolution of the interface. Those tools exhibitconsiderable exibility due to the large corpus of work on integrable systems, and weillustrate it by tackling the case of confined geometry (growth close to a hard wall).ii) We investigate the inuence of the disorder distribution, and more specificallythe importance of large events, with heavy-tailed distributions. Those extreme eventsstretch the interface and notably modify the main scaling exponents. The consequenceson optimization strategies in disorder landscapes are emphasized.iii) The presence of correlations in the disorder is of natural experimental interest.Although they do not impact the KPZ class, they greatly inuence the average speed ofgrowth. The latter quantity is often overlooked because it is non-universal and ratherill-defined. Nonetheless, we show that a generic optimal average speed exists in presenceof time correlations, due to a competition between exploration and exploitation.iv) Finally, we consider a set of experiments about chemical front growth in porousmedium. While this growth process is not related to KPZ in an immediate way, wepresent different tools that effciently reproduce the observations.Along that work, the consequences of each Chapter in various domains, like opti-misation strategies, turbulence, population dynamics or finance, are detailed.

La physique statistique, développée à l'origine pour décrire les systèmes thermodynamiques, a joué pendant les dernières décennies un rôle central dans la modélisation d'un ensemble incroyablement vaste et hétérogène de différents phénomènes qui ont lieu par exemple dans des systèmes sociaux, économiques ou biologiques. Un champ d'applications possibles aussi vaste a été trouvé aussi pour les réseaux, comme une grande variété de systèmes peut être décrite en termes d'éléments interconnectés. Après une partie introductive sur les thèmes abordés ainsi que sur le rôle de la modélisation abstraite dans la science, dans ce manuscrit seront décrites les nouvelles perspectives auxquelles on peut arriver en approchant d'une façon physico-statistique trois problèmes d'intérêt dans la théorie des réseaux: comment une certaine quantité peut se répandre de façon optimale sur un graphique, comment explorer un réseau et comment le reconstruire à partir d'un jeu d'informations partielles. Quelques remarques finales sur l'importance que ces thèmes préserveront dans les années à venir conclut le travail. / Statistical physics, originally developed to describe thermodynamic systems, has been playing for the last decades a central role in modelling an incredibly large and heterogeneous set of different phenomena taking for instance place on social, economical or biological systems. Such a vast field of possible applications has been found also for networks, as a huge variety of systems can be described in terms of interconnected elements. After an introductory part introducing these themes as well as the role of abstract modelling in science, in this dissertation it will be discussed how a statistical physics approach can lead to new insights as regards three problems of interest in network theory: how some quantity can be optimally spread on a graph, how to explore it and how to reconstruct it from partial information. Some final remarks on the importance such themes will likely preserve in the coming years conclude the work.

Cette thèse porte sur l'obtention rigoureuse de limites de champ moyen pour la dynamique continue de grands réseaux de neurones hétérogènes. Nous considérons des neurones à taux de décharge, et sujets à un bruit Brownien additif. Le réseau est entièrement connecté, avec des poids de connections dont la variance décroît comme l'inverse du nombre de neurones conservant un effet non trivial dans la limite thermodynamique. Un second type d'hétérogénéité, interprété comme une position spatiale, est considéré au niveau de chaque cellule. Pour la pertinence biologique, nos modèles incluent ou bien des délais, ainsi que des moyennes et variances de connections, dépendants de la distance entre les cellules, ou bien des synapses dépendantes de l'état des deux neurones post- et présynaptique. Ce dernier cas s'applique au modèle de Kuramoto pour les oscillateurs couplés. Quand les poids synaptiques sont Gaussiens et indépendants, nous prouvons un principe de grandes déviations pour la mesure empirique de l'état des neurones. La bonne fonction de taux associée atteint son minimum en une unique mesure de probabilité, impliquant convergence et propagation du chaos sous la loi "averaged". Dans certains cas, des résultats "quenched" sont obtenus. La limite est solution d'une équation implicite, non Markovienne, dans laquelle le terme d'interactions est remplacé par un processus Gaussien qui dépend de la loi de la solution du réseau entier. Une universalité de cette limite est prouvée, dans le cas de poids synaptiques non-Gaussiens avec queues sous-Gaussiennes. Enfin, quelques résultats numérique sur les réseau aléatoires sont présentés, et des perspectives discutées. / This thesis addresses the rigorous derivation of mean-field results for the continuous time dynamics of heterogeneous large neural networks. In our models, we consider firing-rate neurons subject to additive noise. The network is fully connected, with highly random connectivity weights. Their variance scales as the inverse of the network size, and thus conserves a non-trivial role in the thermodynamic limit. Moreover, another heterogeneity is considered at the level of each neuron. It is interpreted as a spatial location. For biological relevance, a model considered includes delays, mean and variance of connections depending on the distance between cells. A second model considers interactions depending on the states of both neurons at play. This last case notably applies to Kuramoto's model of coupled oscillators. When the weights are independent Gaussian random variables, we show that the empirical measure of the neurons' states satisfies a large deviations principle, with a good rate function achieving its minimum at a unique probability measure, implying averaged convergence of the empirical measure and propagation of chaos. In certain cases, we also obtained quenched results. The limit is characterized through a complex non Markovian implicit equation in which the network interaction term is replaced by a non-local Gaussian process whose statistics depend on the solution over the whole neural field. We further demonstrate the universality of this limit, in the sense that neuronal networks with non-Gaussian interconnections but sub-Gaussian tails converge towards it. Moreover, we present a few numerical applications, and discuss possible perspectives.