La protection des documents fiduciaires et identitaires contre la fraude exige le développement d’outils de contrôle fondés sur des effets visuels sans cesse renouvelés, difficiles à contrefaire (même pour un expert ... de la contrefaçon !). Ce projet de recherche s’inscrit dans cette problématique et vise à apporter des solutions originales via l’impression de supports diffusants d’une part, et le développement de modèles de rendu visuel d’autre part. Les effets visuels recherchés sont des ajustements de couleurs entre les deux faces d’un imprimé lorsque celui-ci est observé par transparence devant une source lumineuse. Pour obtenir facilement des ajustements de couleurs quelles que soient les couleurs visées, il est capital d’avoir un modèle à disposition, permettant de calculer les quantités d’encre à déposer. Un modèle doit être capable de prédire les facteurs spectraux de réflexion et de transmission du support imprimé en décrivant les phénomènes de diffusion optique présents en pratique dans les couches d’encre et le support. Nous nous intéressons plus particulièrement aux imprimés translucides contenant des couleurs en demi-ton des deux côtés de la surface avec pour objectif de prédire le rendu visuel pour diverses configurations d’observation. Pour cela, nous proposons une nouvelle approche basée sur l’utilisation de matrices de transfert de flux pour prédire les facteurs spectraux de réflexion et de transmission des imprimés lorsqu’ils sont éclairés simultanément des deux côtés. En représentant le comportement optique des différents composants d’un imprimé par des matrices de transfert, la description des transferts de flux entre ces composantes s’en trouve simplifiée. Ce cadre mathématique mène à la construction de modèles de prédiction de couleurs imprimées en demi-ton sur des supports diffusants. Nous montrons par ailleurs que certains modèles existants, comme le modèle de Kubelka-Munk ou encore le modèle de Clapper-Yule, peuvent également être formulés en termes de matrices de transfert. Les résultats obtenus avec les modèles proposés dans ce travail mettent en évidence des qualités de prédiction équivalentes, voire supérieures, à celles qu’on retrouve dans l’état de l’art, tout en proposant une simplification de la formulation mathématique et de la description physique des échanges de flux. Cette simplification fait de ces modèles des outils de calcul qui s’utilisent très facilement, notamment pour la détermination des quantités d’encre à déposer sur les deux faces de l’imprimé afin d’obtenir des ajustements de couleurs / The protection of banknotes or identity documents against counterfeiting demands the development of control tools based on visual effects that are continuously renewed. These visual effects become thus difficult to counterfeit even by an expert forger ! This research tries to deal with that issue. Its objective is to bring new solutions using on the one side, the printing of diffusing materials, and on the other side the development of visual rendering models that can be observed. The visual effects that are sought-after are the color matching on both sides of a printed document when observed against thelight. To easily obtain a color matching, whatever the colors that are aimed for, it is essential to have a model that helps in calculating the quantity of ink to be left on the document. A model must be used to predict the spectral reflectance and the transmittance factors of the printed document by describing the phenomena of optical diffusion really present in the ink layers and in the document. We shall focus our interest especially on translucent printed documents that have halftone colors on both sides. Our goal here is to predict the visual rendering in different configurations of observation. To that end, we are offering a new approach based on the use of flux transfer matrices to predict the spectral reflectance and transmittance factors of prints when they are simultaneously lit up on both sides. By representing with transfer matrices the optical behavior of the different components present in a printed document, we see that the description of flux transfer between these elements is thus simplified. This mathematical framework leads to the construction of prediction models of halftone printed colors on diffusing materials. We also show that some existing models, such as the Kubelka-Munk or the Clapper-Yule models, can also be formulated in transfer matrices terms. The results that we get with the models used in this work make apparent identical prediction quality and in some cases even better ones to the ones found in the state of the art, while offering a simplification of the mathematical formulation and the physical description of the flux transfer. This simplification thus transforms these models into calculation tools that can easily be used especially for the choice of quantities of ink that must be left on both sides of the document in order to obtain color matching

Cette thèse s'intéresse à des familles de fonctions zêta spectrales (séries de Dirichlet) qui peuvent être associées à certaines algèbres d'opérateurs sur des espaces de Hilbert. Dans ce mémoire, la principale question étudiée sur ces fonctions zêta est l'existence d'un prolongement méromorphe à partir d'un demi-plan ouvert du plan complexe au plan complexe tout entier. Généralisant une idée de Nigel Higson, on propose dans la partie I, une méthode pour prouver l'existence de ce prolongement méromorphe pour certains fonction zêta spectrales. Cette méthode s’effectue dans le cadre d'algèbres d'opérateurs différentiels généralisés et elle s'appuie sur une suite de réduction. Le théorème principal donne, sous certaines conditions, l'existence d'un prolongement méromorphe, une localisation des pôles dans les supports de suites arithmétiques et une borne supérieure pour l'ordre de ces pôles. Dans la partie II, on reformule la méthode de la partie I dans le contexte et avec le vocabulaire des triplets spectraux de Connes et Moscovici. Dans la troisième partie, on donne une application pour des fonctions zêta associées à des opérateurs de type Laplace sur des variétés lisses, compactes et sans bord. Cet exemple a été initialement traité par Nigel Higson avec cette approche en 2006. Une deuxième application traite de fonctions zêta associées au tore non commutatif. Dans la partie IV, on utilise le calcul pseudodifférentiel associé à des algèbres de Lie nilpotentes et développé par Dominique Manchon, pour construire de nouveaux triplets spectraux. Dans la partie V se trouve la principale application de la méthode exposée dans ce mémoire. On prouve l'existence du prolongement méromorphe pour des fonctions zêta provenant de représentations de Kirillov d'une classe d'algèbre de Lie nilpotentes. / The thesis is about a families of zeta functions (Dirichlet series) that may be associated to certain algebras of Hilbert space operators. In this thesis, the main question in studying these zeta functions is to establish their meromorphic continuation from a half-plane in the complex plane to the full plane.Following an idea of Nigel Higson, we develop, in part I, a method for proving the existence of a meromorphic continuation for some spectral zeta functions. The method is based on algebras of generalized differential operators. The more important tool is the reduction sequence. The main theorem states, under some conditions, the existence of a meromorphic continuation, a localization of the poles in supports of arithmetic sequences and an upper bound of their order. A formulation of the method into the framework of Connes and Moscovici, the regular spectral triples, setting in part II. In the third part, we give an application for zeta functions associate to a Laplace-type operator on a smooth, closed manifold. This example was initially treated in this way by Nigel Higson in 2006. We give another application for zeta functions associate to the noncommutative torus. In part IV, using the work of Dominique Manchon on algebras of pseudodifferential operators associated to unitary representations of nilpotent Lie group, we construct new spectral triples. In part V, set the main application of the method. We applicate the reduction method for some algebras of generalized differential operators, arising from a Kirillov representation of a class of nilpotent Lie algebras.

Dans ce travail, nous nous intéressons à l’analyse spectrale des systèmes d’opérateurs pseudodifférentiels semi-classiques. Dans la première partie, nous étudions la généralisation du théorème d’Egorov en temps longs dans le cas où l’Hamiltonien quantique qui génère l’évolution en temps et l’observable quantique initiale sont deux opérateurs pseudodifférentiels semiclassiques associés à des symboles à valeurs matricielles. Sous une condition d’hyperbolicité sur le symbole principal de l’Hamiltonien qui assure l’existence des projecteurs semi-classiques, et pour une classe d’observables "semi-classiquement" diagonales par blocs par rapport à ces projecteurs, nous démontrons un théorème de type Egorov valable pour un temps long d’ordre log(h-1) connu comme le temps d’Ehrenfest. Ici h 0 est le paramètre semi-classique. Dans la deuxième partie, nous nous intéressons à la théorie spectrale et la théorie de la diffusion pour des systèmes d’opérateurs pseudodifférentiels auto-adjoints. Nous développons une approche stationnaire pour l’étude de la fonction de décalage spectral associée à une paire d’opérateurs de Schrödinger semi-classiques à potentiels matriciels. Une asymptotique de type Weyl avec reste optimal sur la fonction de décalage spectral est établie, et sous l’hypothèse d’existence d’une fonction fuite scalaire, un développement asymptotique complet en puissancesde h au sens fort sur sa dérivée est obtenu. Ce dernier résultat est une généralisation au cas matriciel d’un résultat de Robert et Tamura établi dans le cas scalaire près des énergies non-captives. Notre méthode indépendante du temps nous permet de traiter certains potentiels avec des croisements des valeurs propres. / In this work, we are interested in the spectral analysis of systems of semiclassical pseudodifferentialoperators. In the first part, we study the extension of the long time semiclassical Egorovtheorem in the case where the quantum Hamiltonian which generates the time evolution andthe initial quantum observable are two semiclassical pseudodifferential operators with matrixvaluedsymbols. Under an hyperbolicity condition on the principal symbol of the Hamiltonianwhich ensures the existence of the semiclassical projections, and for a class of observable thatare "semi-classically" block-diagonal with respect to these projections, we prove an Egorov theoremvalid in a large time interval of order log(h-1) known as the Ehrenfest time. Here h & 0is the semiclassical parameter.In the second part, we are interested in the spectral and scattering theories for self-adjointsystems of pseudodifferential operators. We develop a stationary approach for the study of thespectral shift function (SSF) associated to a pair of self-adjoint semiclassical Schrödinger operatorswith matrix-valued potentials. We prove a Weyl-type asymptotics with sharp remainderestimate on the SSF, and under the existence of a scalar escape function, a pointwise completeasymptotic expansion on its derivative. This last result is a generalisation in the matrix-valuedcase of a result of Robert and Tamura established in the scalar case near non-trapping energies.Our time-independent method allows us to treat certain potentials with energy-level crossings

Face au déluge actuel de données principalement non structurées, les graphes ont démontré, dans une variété de domaines scientifiques, leur importance croissante comme language abstrait pour décrire des interactions complexes entre des objets complexes. L’un des principaux défis posés par l’étude de ces réseaux est l’inférence de propriétés macroscopiques à grande échelle, affectant un grand nombre d’objets ou d’agents, sur la seule base des interactions microscopiquesqu’entretiennent leurs constituants élémentaires. La physique statistique, créée précisément dans le but d’obtenir les lois macroscopiques de la thermodynamique à partir d’un modèle idéal de particules en interaction, fournit une intuition décisive dans l’étude des réseaux complexes.Dans cette thèse, nous utilisons des méthodes issues de la physique statistique des systèmes désordonnés pour mettre au point et analyser de nouveaux algorithmes d’inférence sur les graphes. Nous nous concentrons sur les méthodes spectrales, utilisant certains vecteurs propres de matrices bien choisies, et sur les graphes parcimonieux, qui contiennent une faible quantité d’information. Nous développons une théorie originale de l’inférence spectrale, fondée sur une relaxation de l’optimisation de certaines énergies libres en champ moyen. Notre approche est donc entièrement probabiliste, et diffère considérablement des motivations plus classiques fondées sur l’optimisation d’une fonction de coût. Nous illustrons l’efficacité de notre approchesur différents problèmes, dont la détection de communautés, la classification non supervisée à partir de similarités mesurées aléatoirement, et la complétion de matrices. / In an era of unprecedented deluge of (mostly unstructured) data, graphs are proving more and more useful, across the sciences, as a flexible abstraction to capture complex relationships between complex objects. One of the main challenges arising in the study of such networks is the inference of macroscopic, large-scale properties affecting a large number of objects, based solely on he microscopic interactions between their elementary constituents. Statistical physics, precisely created to recover the macroscopic laws of thermodynamics from an idealized model of interacting particles, provides significant insight to tackle such complex networks.In this dissertation, we use methods derived from the statistical physics of disordered systems to design and study new algorithms for inference on graphs. Our focus is on spectral methods, based on certain eigenvectors of carefully chosen matrices, and sparse graphs, containing only a small amount of information. We develop an original theory of spectral inference based on a relaxation of various meanfield free energy optimizations. Our approach is therefore fully probabilistic, and contrasts with more traditional motivations based on the optimization of a cost function. We illustrate the efficiency of our approach on various problems, including community detection, randomized similarity-based clustering, and matrix completion.

Dans cette thèse, nous étudions deux problèmes d'apprentissage automatique : (I) la détection des communautés et (II) l'appariement adaptatif. I) Il est bien connu que beaucoup de réseaux ont une structure en communautés. La détection de ces communautés nous aide à comprendre et exploiter des réseaux de tout genre. Cette thèse considère principalement la détection des communautés par des méthodes spectrales utilisant des vecteurs propres associés à des matrices choisiesavec soin. Nous faisons une analyse de leur performance sur des graphes artificiels. Au lieu du modèle classique connu sous le nom de « Stochastic Block Model » (dans lequel les degrés sont homogènes) nous considérons un modèle où les degrés sont plus variables : le « Degree-Corrected Stochastic Block Model » (DC-SBM). Dans ce modèle les degrés de tous les nœuds sont pondérés - ce qui permet de générer des suites des degrés hétérogènes. Nous étudions ce modèle dans deux régimes: le régime dense et le régime « épars », ou « dilué ». Dans le régime dense, nous prouvons qu'un algorithme basé sur une matrice d'adjacence normalisée réussit à classifier correctement tous les nœuds sauf une fraction négligeable. Dans le régime épars il existe un seuil en termes de paramètres du modèle en-dessous lequel n'importe quel algorithme échoue par manque d'information. En revanche, nous prouvons qu'un algorithme utilisant la matrice « non-backtracking » réussit jusqu'au seuil - cette méthode est donc très robuste. Pour montrer cela nous caractérisons le spectre des graphes qui sont générés selon un DC-SBM dans son régime épars. Nous concluons cette partie par des tests sur des réseaux sociaux. II) Les marchés d'intermédiation en ligne tels que des plateformes de Question-Réponse et des plateformes de recrutement nécessitent un appariement basé sur une information incomplète des deux parties. Nous développons un modèle de système d'appariement entre tâches et serveurs représentant le comportement de telles plateformes. Pour ce modèle nous donnons une condition nécessaire et suffisante pour que le système puisse gérer un certain flux de tâches. Nous introduisons également une politique de « back-pressure » sous lequel le débit gérable par le système est maximal. Nous prouvons que cette politique atteint un débit strictement plus grand qu'une politique naturelle « gloutonne ». Nous concluons en validant nos résultats théoriques avec des simulations entrainées par des données de la plateforme Stack-Overflow. / In this thesis, we study two problems of machine learning: (I) community detection and (II) adaptive matching. I) It is well-known that many networks exhibit a community structure. Finding those communities helps us understand and exploit general networks. In this thesis we focus on community detection using so-called spectral methods based on the eigenvectors of carefully chosen matrices. We analyse their performance on artificially generated benchmark graphs. Instead of the classical Stochastic Block Model (which does not allow for much degree-heterogeneity), we consider a Degree-Corrected Stochastic Block Model (DC-SBM) with weighted vertices, that is able to generate a wide class of degree sequences. We consider this model in both a dense and sparse regime. In the dense regime, we show that an algorithm based on a suitably normalized adjacency matrix correctly classifies all but a vanishing fraction of the nodes. In the sparse regime, we show that the availability of only a small amount of information entails the existence of an information-theoretic threshold below which no algorithm performs better than random guess. On the positive side, we show that an algorithm based on the non-backtracking matrix works all the way down to the detectability threshold in the sparse regime, showing the robustness of the algorithm. This follows after a precise characterization of the non-backtracking spectrum of sparse DC-SBM's. We further perform tests on well-known real networks. II) Online two-sided matching markets such as Q&A forums and online labour platforms critically rely on the ability to propose adequate matches based on imperfect knowledge of the two parties to be matched. We develop a model of a task / server matching system for (efficient) platform operation in the presence of such uncertainty. For this model, we give a necessary and sufficient condition for an incoming stream of tasks to be manageable by the system. We further identify a so-called back-pressure policy under which the throughput that the system can handle is optimized. We show that this policy achieves strictly larger throughput than a natural greedy policy. Finally, we validate our model and confirm our theoretical findings with experiments based on user-contributed content on an online platform.

La Décomposition Modale Empirique (EMD), est une méthode de décomposition multi-résolution de signaux en fonctions Modes Intrinsèques (IMF) et cela, de manière auto-adaptative. En la couplant avec la transformée de Hilbert, elle devient une méthode d'analyse Temps-Fréquence , la transformée de Hilbert-Huang, permettant d'étudier bon nombre de classes de signaux. Malgré ces nombreuses applications, l'une des plus importantes limites de l'EMD est son manque de formalisme mathématique. A la place d'une interpolation par splines cubiques utilisée dans l'EMD classique, nous avons estimé l'enveloppe moyenne par une solution d'un système d'EDP. Par une méthode variationnelle, nous avons établi un cadre théorique pour prouver les résultats de convergence, d'existence de modes et la propriété de presque orthogonalité de l'EMD. La comparaison avec des bancs de filtres itératifs et les ondelettes, montre l'aspect multi-résolution de l'EMD. Deux nouvelles applications en traitement du signal et de l'image sont présentées : l'extraction des intermittences et mode mixing et la restauration par shrinkage par EMD. Enfin le modèle peut servir de base pour l'étude de l'unicité de la décomposition.

Cette thèse est consacrée à l'analyse statistique de données en grande dimension. Nous nous intéressons à trois problèmes statistiques motivés par des applications médicales : la classification supervisée de courbes, la segmentation supervisée d'images hyperspectrales et la segmentation non-supervisée d'images hyperspectrales. Les procédures développées reposent pour la plupart sur la théorie des tests d'hypothèses (tests multiples, minimax, robustes et fonctionnels) et la théorie de l'apprentissage statistique. Ces théories sont introduites dans une première partie. Nous nous intéressons, dans la deuxième partie, à la classification supervisée de données gaussiennes en grande dimension. Nous proposons une procédure de classification qui repose sur une méthode de réduction de dimension et justifions cette procédure sur le plan pratique et théorique. Dans la troisième et dernière partie, nous étudions le problème de segmentation d'images hyper-spectrales. D'une part, nous proposons un algorithme de segmentation supervisée reposant à la fois sur une analyse multi-échelle, une estimation par maximum de vraisemblance pénalisée, et une procédure de réduction de dimension. Nous justifions cet algorithme par des résultats théoriques et des applications pratiques. D'autre part, nous proposons un algorithme de segmentation non supervisée impliquant une décomposition en ondelette des spectres observées en chaque pixel, un lissage spatial par croissance adaptative de régions et une extraction des frontières par une méthode de vote majoritaire.