No description available.

De nombreux travaux récents ont démontré l’importance de la stochasticité dans l’expression des gènes à différentes échelles. On passera tout d’abord en revue les principaux résultats expérimentaux pour motiver l’étude de modèles mathèmatiques prenant en comptedes effets aléatoires. On étudiera ensuite deux modèles particuliers où les effets aléatoires induisent des comportements intéressants, en lien avec des résultats expérimentaux : une dynamique intermittente dans un modèle d’auto-régulation de l’expression d’un gène ; et l’émergence d’hétérogénéité à partir d’une population homogène de protéines par modification post-traductionnelle. Dans le Chapitre I, nous avons étudié le modèle standard d’expression des gènes à trois variables : ADN, ARN messager et protéine. L’ADN peut être dans deux états, respectivement “ON“ et “OFF“. La transcription (production d’ARN messagers) peut avoir lieu uniquement dans l’état “ON“. La traduction (production de protéines) est proportionnelleà la quantité d’ARN messager. Enfin la quantité de protéines peut réguler de manière non-linéaire les taux de production précédent. Nous avons utilisé des théorèmesde convergence de processus stochastique pour mettre en évidence différents régimes de ce modèle. Nous avons ainsi prouvé rigoureusement le phénomène de production intermittente d’ARN messagers et/ou de protéines. Les modèles limites obtenues sont alors des modèles hybrides, déterministes par morceaux avec sauts Markoviens. Nous avons étudié le comportement en temps long de ces modèles et prouvé la convergence vers des solutions stationnaires. Enfin, nous avons étudié en détail un modèle réduit, calculé explicitement la solution stationnaire, et étudié le diagramme de bifurcation des densités stationnaires. Ceci a permis 1) de mettre en évidence l’influence de la stochasticité en comparant aux modèles déterministes ; 2) de donner en retour un moyen théorique d’estimer la fonctionde régulation par un problème inverse. Dans le Chapitre II, nous avons étudié une version probabiliste du modèle d’agrégation fragmentation. Cette version permet une définition de la nucléation en accord avec les modèles biologistes pour les maladies à Prion. Pour étudier la nucléation, nous avons utilisé une version stochastique du modèle de Becker-Dôring. Dans ce modèle, l’agrégation est réversible et se fait uniquement par attachement/détachement d’un monomère. Le temps de nucléation est définit comme le premier temps où un noyau (c’est-à-dire un agrégat de taille fixé, cette taille est un paramètre du mod`ele) est formé. Nous avons alors caractérisé la loi du temps de nucléation dans ce modèle. La distribution de probabilitédu temps de nucléation peut prendre différente forme selon les valeurs de paramètres : exponentielle, bimodale, ou de type Weibull. Concernant le temps moyen de nucléation, nous avons mis en évidence deux phénomènes importants. D’une part, le temps moyen denucl´eation est une fonction non-monotone du paramètre cinétique d’agrégation. D’autre part, selon la valeur des autres paramètres, le temps moyen de nucléation peut dépendre fortement ou très faiblement de la quantité initiale de monomère . Ces caractérisations sont importantes pour 1) expliquer des dépendances très faible en les conditions initiales,observées expérimentalement ; 2) déduire la valeur de certains paramètres d’observations expérimentales. Cette étude peut donc être appliqué à des données biologiques. Enfin, concernant un modèle de polymérisation-fragmentation, nous avons montré un théorème limite d’un modèle purement discret vers un modèle hybride, qui peut-être plus utile pourdes simulations numériques, ainsi que pour une étude théorique. / The importance of stochasticity in gene expression has been widely shown recently. Wewill first review the most important related work to motivate mathematical models thattakes into account stochastic effects. Then, we will study two particular models where stochasticityinduce interesting behavior, in accordance with experimental results : a bursting dynamic in a self-regulating gene expression model ; and the emergence of heterogeneityfrom a homogeneous pool of protein by post-translational modification.In Chapter I, we studied a standard gene expression model, at three variables : DNA, messenger RNA and protein. DNA can be in two distinct states, ”ON“ and ”OFF“. Transcription(production of mRNA) can occur uniquely in the ”ON“ state. Translation (productionof protein) is proportional to the quantity of mRNA. Then, the quantity of proteincan regulate in a non-linear fashion these production rates. We used convergence theoremof stochastic processes to highlight different behavior of this model. Hence, we rigorously proved the bursting phenomena of mRNA and/or protein. Limiting models are then hybridmodel, piecewise deterministic with Markovian jumps. We studied the long time behaviorof these models and proved convergence toward a stationary state. Finally, we studied indetail a reduced model, explicitly calculated the stationary distribution and studied itsbifurcation diagram. Our two main results are 1) to highlight stochastic effects by comparisonwith deterministic model ; 2) To give back a theoretical tool to estimate non-linear regulation function through an inverse problem. In Chapter II, we studied a probabilistic version of an aggregation-fragmentation model. This version allows a definition of nucleation in agreement with biological model for Prion disease. To study the nucleation, we used a stochastic version of the Becker-Döring model. In this model, aggregation is reversible and through attachment/detachment of amonomer. The nucleation time is defined as a waiting time for a nuclei (aggregate of afixed size, this size being a parameter of the model) to be formed. In this work, we characterized the law of the nucleation time. The probability distribution of the nucleation timecan take various forms according parameter values : exponential, bimodal or Weibull. Wealso highlight two important phenomena for the mean nucleation time. Firstly, the mean nucleation time is a non-monotone function of the aggregation kinetic parameter. Secondly, depending of parameter values, the mean nucleation time can be strongly or very weakly correlated with the initial quantity of monomer. These characterizations are important for 1) explaining weak dependence in initial condition observed experimentally ; 2) deducingsome parameter values from experimental observations. Hence, this study can be directly applied to biological data. Finally, concerning a polymerization-fragmentation model, weproved a convergence theorem of a purely discrete model to hybrid model, which may beuseful for numerical simulations as well as a theoretical study.

La thèse est composée de deux parties.Dans la première partie, nous allons étudier le flot quasi-invariant défini par une équation différentielle stochastique de Stratanovich avec le dérive ayant seulement la BV-régularitésur un espace euclidien, en généralisant des résultats de L. Ambrosio sur l'existence,unicité et stabilité des flots lagrangiens associés aux équations différentielles ordinaires[Invent. Math. 158 (2004), 227{260]. Comme une application d'un résultat de stabilité,nous allons construire une solution explicite à l'equation de transport stochastique enterme de flot stochastique. La différentiabilité approximative du flot sera aussi investie,lorsque le dérive possµede une régularité de Sobolev.Dans la deuxième partie, nous allons généraliser la théorie de DiPerna-Lions aux cas desvariétés riemanniennes complètes. Nous allons utiliser le semi-groupe de la chaleur pourrégulariser des fonctions et des champs de vecteur. L'estimation sur le commutateur seraobtenue par la méthode probabiliste. Une application de cette estimation est de prouverl'unicité des solutions à l'équation de transport à l'aide du concept des solutions renormal-isables. L'équation différentielle ordinaire associée à un champ de vecteur de régularité deSobolev sera enfin résolue en adoptant une méhode due à L. Ambrosio. La fin de cett par-tie consacre à la construction des processus de diffusion, par la méthode de la variation deconstante, sur une variété riemannienne complète, ayant comme générateur, un opérateurelliptique contenant le dérive non-régulier. Pour cela, nous allons donner des conditionssur la courbure pour que le flot horizontal canonique soit un flot de difféomorphismes / The thesis mainly consists of two parts.In the first part, we study the quasi-invariant flow generated by the Stratonovich stochas-tic differential equation with BV drift coefficients in the Euclidean space. We generalizethe results of Ambrosio [Invent. Math. 158 (2004), 227{260] on the existence, uniquenessand stability of regular Lagrangian flows of ordinary differential equations to Stratonovichstochastic differential equations with BV drift coefficients. As an application of the sta-bility result, we construct an explicit solution to the corresponding stochastic transportequation in terms of the stochastic flow. The approximate differentiability of the flow isalso studied when the drift coefficient has some Sobolev regularity.In the second part, we generalize the DiPerna-Lions theory in the Euclidean space to thecomplete Riemannian manifold. We define the commutator on the complete Riemannianmanifold which is a probabilistic version of the one in the DiPerna-Lions theory, andestablish the commutator estimate by the probabilistic method. As a direct applicationof the commutator estimate, we investigate the uniqueness of solutions to the transportequation by the method of the renormalized solution. Following Ambrosio's method, weconstruct the DiPerna-Lions flow on the Riemannian manifold. In order to construct thediffusion process associated to an elliptic operator with irregular drift on the completeRiemannian manifold, we give some conditions which guarantee the strong completenessof the horizontal flow. Finally, we construct the diffusion process with the drift coefficienthaving only Sobolev regularity.Besides, we present a brief introduction of the classical theory on the ordinary differentialequation in the smooth case and the quasi-invariant flow of homeomorphisms under theOsgood condition before the first part; and we recall some basic tools and results whichare widely used throughout the whole thesis after the second part.

Le travail général de cette thèse consiste à étendre les outils analytiques et algébriques usuellement employés dans la résolution de problèmes combinatoires déterministes à un cadre combinatoire stochastique. Deux cadres distincts sont étudiés : les problèmes combinatoires stochastiques discrets et les problèmes stochastiques continus. Le cadre discret est abordé à travers le problème de la forêt couvrante de poids maximal dans une formulation Two-Stage à multi-scénarios. La version déterministe très connue de ce problème établit des liens entre la fonction de rang dans un matroïde et la formulation duale, via l'algorithme glouton. La formulation stochastique discrète du problème de la forêt maximale couvrante est transformée en un problème déterministe équivalent, mais du fait de la multiplicité des scénarios, le dual associé est en quelque sorte incomplet. Le travail réalisé ici consiste à comprendre en quelles circonstances la formulation duale atteint néanmoins un minimum égal au problème primal intégral. D'ordinaire, une approche combinatoire classique des problèmes de graphes pondérés consiste à rechercher des configurations particulières au sein des graphes, comme les circuits, et à explorer d'éventuelles recombinaisons. Pour donner une illustration simple, si on change d'une manière infinitésimale les valeurs de poids des arêtes d'un graphe, il est possible que la forêt couvrante de poids maximal se réorganise complètement. Ceci est vu comme un obstacle dans une approche purement combinatoire. Pourtant, certaines grandeurs analytiques vont varier de manière continue en fonction de ces variations infinitésimales, comme la somme des poids des arêtes choisies. Nous introduisons des fonctions qui rendent compte de ces variations continues, et nous examinons dans quels cas les formulations duales atteignent la même valeur que les formulations primales intégrales. Nous proposons une méthode d'approximation dans le cas contraire et nous statuons sur la NP complétude de ce type de problème.Les problèmes stochastiques continus sont abordés via le problème de sac à dos avec contrainte stochastique. La formulation est de type ``chance constraint'', et la dualisation par variable lagrangienne est adaptée à une situation où la probabilité de respecter la contrainte doit rester proche de $1$. Le modèle étudié est celui d'un sac à dos où les objets ont une valeur et un poids déterminés par des distributions normales. Dans notre approche, nous nous attachons à appliquer des méthodes de gradient directement sur la formulation en espérance de la fonction objectif et de la contrainte. Nous délaissons donc une possible reformulation classique du problème sous forme géométrique pour détailler les conditions de convergence de la méthode du gradient stochastique. Cette partie est illustrée par des tests numériques de comparaison avec la méthode SOCP sur des instances combinatoires avec méthode de Branch and Bound, et sur des instances relaxées. / The global purpose of this thesis is to study the conditions to extend analytical and algebraical properties commonly observed in the resolution of deterministic combinatorial problems to the corresponding stochastic formulations of these problems. Two distinct situations are treated : discrete combinatorial stochastic problems and continuous stochastic problems. Discrete situation is examined with the Two Stage formulation of the Maximum Weight Covering Forest. The well known corresponding deterministic formulation shows the connexions between the rank function of a matroid, the greedy algorithm , and the dual formulation. The discrete stochastic formulation of the Maximal Covering Forest is turned into a deterministic equivalent formulation, but, due to the number of scenarios, the associated dual is not complete. The work of this thesis leads to understand in which cases the dual formulation still has the same value as the primal integer formulation. Usually, classical combinatorial approaches aim to find particular configurations in the graph, as circuits, in order to handle possible reconfigurations. For example, slight modifications of the weights of the edges might change considerably the configuration of the Maximum Weight Covering Forest. This can be seen as an obstacle to handle pure combinatorial proofs. However, some global relevant quantities, like the global weight of the selected edges during the greedy algorithm, have a continuous variation in function of slight modifications. We introduce some functions in order to outline these continuous variations. And we state in which cases Primal integral problems have the same objective values as dual formulations. When it is not the case, we propose an approximation method and we examine the NP completeness of this problem.Continuous stochastic problems are presented with the stochastic Knapsack with chance constraint. Chance constraint and dual Lagrangian formulation are adapted in the case where the expected probability of not exceeding the knapsack capacity is close to $1$. The introduced model consists in items whose costs and rewards follow normal distributions. In our case, we try to apply direct gradient methods without reformulating the problem into geometrical terms. We detail convergence conditions of gradient based methods directly on the initial formulation. This part is illustrated with numerical tests on combinatorial instances and Branch and Bound evaluations on relaxed formulations.

Les travaux exposés dans cette thèse sont consacrés à l’étude de méthodesprécises pour approcher des équations différentielles stochastiques ou deséquations aux dérivées partielles (EDP) déterministes. La première parties’inscrit dans le cadre du développement de méthodes visant à corriger le biaisdans les processus de diffusion paramétrique. Trois modèles sont étudiés enparticulier : Ornstein-Uhlenbeck, Auto-régressif et Moyenne mobile. A l’issuede ce travail, plusieurs approximations de biais ont été proposées suivant deuxapproches : la première consiste en un développement de Taylor del’estimateur obtenu alors que la seconde s'appuie sur une expansionstochastique de celui-ci.La deuxième partie de cette thèse porte sur l’approximation de l’équation de lachaleur obtenue après changement de variables à partir du modèle de Black etScholes. En général, on préfère utiliser des méthodes implicites pour résoudredes EDP paraboliques mais depuis quelques années, les méthodes dites deRunge-Kutta explicites stabilisées, sont de plus en plus utilisées. Nousmontrons que l’utilisation de ce type de méthodes explicites et notamment lesschémas ROCK donnent de très bons résultats même si les conditions initialessont peu régulières, ce qui est le cas dans les modèles financiers / The work presented in this thesis is devoted to the study of precise methods forapproximating stochastic differential equations (SDE) or deterministic partialdifferential equations (PDE). The first part is devoted to the development ofbias correction methods in parametric diffusion processes. Three models arestudied in particular : Ornstein-Uhlenbeck, auto-regressive and Movingaverage. At the end of this work, several approximations of bias have beenproposed following two approaches : the first consists in a Taylor developmentof the obtained estimator while the second one relies on a stochastic expansionof the latter.The second part of this thesis deals with the approximation of the heatequation obtained after changing variables from the Black-Scholes model. Likethe vast majority of PDE, this equation does not have an exact solution, sosolutions must be approached using explicit or implicit time schemes. Itis often customary to prefer the use of implicit methods to solve parabolic PDEsuch as the heat equation, but in the past few years, the stabilized explicitRunge-Kutta methods which have the largest possible domains of stabilityalong the negative real axis, are increasingly used. We show that the useof this type of explicit methods and in particular the ROCK (Runge-Orthogonal-Chebyshev-Kutta) schemes give very good results even if the initial conditionsare not very regular, which is the case in the financial models

Cette thèse présente trois contributions indépendantes. La première partie se concentre sur la modélisation de la moyenne conditionnelle des rendements du marché actions : le rendement espéré du marché. Ce dernier est souvent modélisé à l'aide d'un processus AR(1). Cependant, des études montrent que lors de mauvaises périodes économiques la prédictibilité des rendements est plus élevée. Etant donné que le modèle AR(1) exclut par construction cette propriété, nous proposons d'utiliser un modèle CIR. Les implications sont étudiées dans le cadre d'un modèle espace-état bayésien. La deuxième partie est dédiée à la modélisation de la volatilité des actions et des volumes de transaction. La relation entre ces deux quantités a été justifiée par l'hypothèse de mélange de distribution (MDH). Cependant, cette dernière ne capture pas la persistance de la variance, à la différence des spécifications GARCH. Nous proposons un modèle à deux facteurs combinant les deux approches, afin de dissocier les variations de volatilité court terme et long terme. Le modèle révèle plusieurs régularités importantes sur la relation volume-volatilité. La troisième partie s'intéresse à l'analyse des stratégies d'investissement optimales sous contrainte «drawdown ». Le problème étudié est celui de la maximisation d'utilité à horizon fini pour différentes fonctions d'utilité. Nous calculons les stratégies optimales en résolvant numériquement l'équation de Hamilton-Jacobi-Bellman, qui caractérise le principe de programmation dynamique correspondant. En se basant sur un large panel d'expérimentations numériques, nous analysons les divergences des allocations optimales / This PhD thesis presents three independent contributions. The first part is concentrated on the modeling of the conditional mean of stock market returns: the expected market return. The latter is often modeled as an AR(1) process. However, empirical studies have found that during bad times return predictability is higher. Given that the AR(1) model excludes by construction this property, we propose to use instead a CIR model. The implications of this specification are studied within a flexible Bayesian state-space model. The second part is dedicated to the modeling of stocks volatility and trading volume. The empirical relationship between these two quantities has been justified by the Mixture of Distribution Hypothesis (MDH). However, this framework notably fails to capture the obvious persistence in stock variance, unlike GARCH specifications. We propose a two-factor model of volatility combining both approaches, in order to disentangle short-run from long-run volatility variations. The model reveals several important regularities on the volume-volatility relationship. The third part of the thesis is concerned with the analysis of optimal investment strategies under the drawdown constraint. The finite horizon expectation maximization problem is studied for different types of utility functions. We compute the optimal investments strategies, by solving numerically the Hamilton–Jacobi–Bellman equation, that characterizes the dynamic programming principle related to the stochastic control problem. Based on a large panel of numerical experiments, we analyze the divergences of optimal allocation programs

Cette thèse s’intéresse à différents problèmes de contrôle et d’optimisation dont il n’existe à ce jour que des solutions approchées. D’une part nous nous intéressons à des techniques visant à réduire ou supprimer les approximations pour obtenir des solutions plus précises voire exactes. D’autre part nous développons de nouvelles méthodes d’approximation pour traiter plus rapidement des problèmes à plus grande échelle. Nous étudions des méthodes numériques de simulation d’équation différentielle stochastique et d’amélioration de calculs d’espérance. Nous mettons en œuvre des techniques de type quantification pour la construction de variables de contrôle ainsi que la méthode de gradient stochastique pour la résolution de problèmes de contrôle stochastique. Nous nous intéressons aussi aux méthodes de clustering liées à la quantification, ainsi qu’à la compression d’information par réseaux neuronaux. Les problèmes étudiés sont issus non seulement de motivations financières, comme le contrôle stochastique pour la couverture d’option en marché incomplet mais aussi du traitement des grandes bases de données de médias communément appelé Big data dans le chapitre 5. Théoriquement, nous proposons différentes majorations de la convergence des méthodes numériques d’une part pour la recherche d’une stratégie optimale de couverture en marché incomplet dans le chapitre 3, d’autre part pour l’extension la technique de Beskos-Roberts de simulation d’équation différentielle dans le chapitre 4. Nous présentons une utilisation originale de la décomposition de Karhunen-Loève pour une réduction de variance de l’estimateur d’espérance dans le chapitre 2. / This thesis proposes different problems of stochastic control and optimization that can be solved only thanks approximation. On one hand, we develop methodology aiming to reduce or suppress approximations to obtain more accurate solutions or something exact ones. On another hand we develop new approximation methodology in order to solve quicker larger scale problems. We study numerical methodology to simulated differential equations and enhancement of computation of expectations. We develop quantization methodology to build control variate and gradient stochastic methods to solve stochastic control problems. We are also interested in clustering methods linked to quantization, and principal composant analysis or compression of data thanks neural networks. We study problems motivated by mathematical finance, like stochastic control for the hedging of derivatives in incomplete market but also to manage huge databases of media commonly known as big Data in chapter 5. Theoretically we propose some upper bound for convergence of the numerical method used. This is the case of optimal hedging in incomplete market in chapter 3 but also an extension of Beskos-Roberts methods of exact simulation of stochastic differential equations in chapter 4. We present an original application of karhunen-Loève decomposition for a control variate of computation of expectation in chapter 2.

La dissémination d'information explore les chemins pris par l'information qui est transmise dans un réseau social, afin de comprendre et modéliser les relations entre les utilisateurs de ce réseau, ce qui permet une meilleur compréhension des relations humaines et leurs dynamique. Même si la priorité de ce travail soit théorique, en envisageant des aspects psychologiques et sociologiques des réseaux sociaux, les modèles de dissémination d'information sont aussi à la base de plusieurs applications concrètes, comme la maximisation d'influence, la prédication de liens, la découverte des noeuds influents, la détection des communautés, la détection des tendances, etc. Cette thèse est donc basée sur ces deux facettes de la dissémination d'information: nous développons d'abord des cadres théoriques mathématiquement solides pour étudier les relations entre les personnes et l'information, et dans un deuxième moment nous créons des outils responsables pour une exploration plus cohérente des liens cachés dans ces relations. Les outils théoriques développés ici sont les modèles de dynamique d'opinions et de dissémination d'information, où nous étudions le flot d'informations des utilisateurs dans les réseaux sociaux, et les outils pratiques développés ici sont un nouveau algorithme de détection de communautés et un nouveau algorithme de détection de tendances dans les réseaux sociaux / Our aim in this Ph. D. thesis is to study the diffusion of information as well as the opinion dynamics of users in social networks. Information diffusion models explore the paths taken by information being transmitted through a social network in order to understand and analyze the relationships between users in such network, leading to a better comprehension of human relations and dynamics. This thesis is based on both sides of information diffusion: first by developing mathematical theories and models to study the relationships between people and information, and in a second time by creating tools to better exploit the hidden patterns in these relationships. The theoretical tools developed in this thesis are opinion dynamics models and information diffusion models, where we study the information flow from users in social networks, and the practical tools developed in this thesis are a novel community detection algorithm and a novel trend detection algorithm. We start by introducing an opinion dynamics model in which agents interact with each other about several distinct opinions/contents. In our framework, agents do not exchange all their opinions with each other, they communicate about randomly chosen opinions at each time. We show, using stochastic approximation algorithms, that under mild assumptions this opinion dynamics algorithm converges as time increases, whose behavior is ruled by how users choose the opinions to broadcast at each time. We develop next a community detection algorithm which is a direct application of this opinion dynamics model: when agents broadcast the content they appreciate the most. Communities are thus formed, where they are defined as groups of users that appreciate mostly the same content. This algorithm, which is distributed by nature, has the remarkable property that the discovered communities can be studied from a solid mathematical standpoint. In addition to the theoretical advantage over heuristic community detection methods, the presented algorithm is able to accommodate weighted networks, parametric and nonparametric versions, with the discovery of overlapping communities a byproduct with no mathematical overhead. In a second part, we define a general framework to model information diffusion in social networks. The proposed framework takes into consideration not only the hidden interactions between users, but as well the interactions between contents and multiple social networks. It also accommodates dynamic networks and various temporal effects of the diffusion. This framework can be combined with topic modeling, for which several estimation techniques are derived, which are based on nonnegative tensor factorization techniques. Together with a dimensionality reduction argument, this techniques discover, in addition, the latent community structure of the users in the social networks. At last, we use one instance of the previous framework to develop a trend detection algorithm designed to find trendy topics in a social network. We take into consideration the interaction between users and topics, we formally define trendiness and derive trend indices for each topic being disseminated in the social network. These indices take into consideration the distance between the real broadcast intensity and the maximum expected broadcast intensity and the social network topology. The proposed trend detection algorithm uses stochastic control techniques in order calculate the trend indices, is fast and aggregates all the information of the broadcasts into a simple one-dimensional process, thus reducing its complexity and the quantity of necessary data to the detection. To the best of our knowledge, this is the first trend detection algorithm that is based solely on the individual performances of topics

Dans cette recherche, un modèle de propagation d'ondes de choc sur grandes distances sur un environnement urbain est construit et validé. L'approche consiste à utiliser l'Equation Parabolique Nonlinéaire (NPE) comme base. Ce modèle est ensuite étendu afin de prendre en compte d'autres effets relatifs à la propagation du son en milieu extérieur (surfaces non planes, couches poreuses, etc.). La NPE est résolue en utilisant la méthode des différences finies et donne des résultats en accord avec d'autres méthodes numériques. Ce modèle déterministe est ensuite utilisé comme base pour la construction d'un modèle stochastique de propagation sur environnements urbains. La Théorie de l'Information et le Principe du Maximum d'Entropie permettent la construction d'un modèle probabiliste d'incertitudes intégrant la variabilité du système dans la NPE. Des résultats de référence sont obtenus grâce à une méthode exacte et permettent ainsi de valider les développements théoriques et l'approche utilisée

Le travail présenté dans cette thèse a été motivé par des problématiques posées par l'évaluation de contrats échangés sur le marché du gaz: les contrats de stockage et d'approvisionnement en gaz. Ceux-ci incorporent de l'optionalité et des contraintes, ce qui rend leur évaluation difficile dans un contexte de prix de matières premières aléatoires. L'évaluation de ces contrats mène à des problèmes de contrôle stochastique complexes: switching optimal ou contrôle impulsionnel et contrôle stochastique en grande dimension. La première partie de cette thèse est une revue relativement exhaustive de la littérature, mettant en perspective les différentes approches d'évaluation existantes. Dans une deuxième partie, nous considérons une méthode numérique de résolution de problèmes de contrôle impulsionnel basée sur leur représentation comme solution d'EDSRs à sauts contraints. Nous proposons une approximation à temps discret utilisant une pénalisation pour traiter la contrainte et donnons un taux de convergence de l'erreur introduite. Combinée avec des techniques Monte Carlo, cette méthode a été testée numériquement sur trois problèmes: gestion optimale de biomasse, évaluation d'options Swing et de contrats de stockage gaz. Dans une troisième partie, nous proposons une méthode pour l'évaluation d'options dont le payoff dépend de moyennes mobiles de prix sous-jacents. Elle utilise sur une approximation à dimension finie de la dynamique des processus de moyenne mobile, basée sur un développement en série de Laguerre tronquée. Les résultats numériques fournis incluent des exemples de contrats Swing gaziers à prix d'exercice indexés sur moyennes mobiles de prix pétroliers.