Avec la multiplication des objets connectés, les systèmes multi-échelles sont de plus en plus répandus. Ces systèmes sont fortement répartis, hétérogènes, dynamiques et ouverts. Ils peuvent être composés de centaines de composants logiciels déployés sur des milliers d'appareils.Le déploiement est un processus complexe qui a pour objectif la mise à disposition puis le maintien en condition opérationnelle d'un système logiciel. Pour les systèmes multi-échelles, l'expression du plan de déploiement ainsi que la réalisation et la gestion du déploiement sont des tâches humainement impossibles du fait de l'hétérogénéité, de la dynamique, du nombre, mais aussi parce que le domaine de déploiement n'est pas forcément connu à l'avance. L'objectif de cette thèse est d'étudier et de proposer des solutions pour le déploiement de systèmes répartis multi-échelles. Nous proposons tout d'abord une mise à jour du vocabulaire relatif au déploiement, ainsi qu'un état de l'art sur le déploiement automatique des systèmes logiciels répartis. Le reste de la contribution réside dans la proposition : d'un processus complet pour le déploiement autonomique de systèmes multi-échelles ; d'un langage dédié (DSL), MuScADeL, qui simplifie la tâche du concepteur du déploiement et permet d'exprimer les propriétés de déploiement ainsi que des informations concernant la perception de l'état du domaine de déploiement ; d'un middleware, MuScADeM, qui assure la génération automatique d'un plan de déploiement en fonction de l'état du domaine, sa réalisation puis le maintien en condition opérationnelle du système. / Due to increased connected objects, multiscale systems are more and more widespread. Those systems are highly distributed, heterogeneous, dynamic and open. They can be composed of hundreds of software components deployed into thousands of devices. Deployment of software systems is a complex post-production process that consists in making software available for use and then keeping it operational. For multiscale systems, deployment plan expression just as deployment realization and management are tasks impossible for a human stakeholder because of heterogeneity, dynamics, number, and also because the deployment domain is not necessarily known in advance. The purpose of this thesis is to study and propose solutions for the deployment of distributed multiscale software systems. Firstly, we provide an up-to-date terminology and definitions related to software deployment, plus a state of the art on automatic deployment of distributed software systems. The rest of the contribution lies in the proposition of: a complete process for autonomic deployment of multiscale systems ; a domain specific language, MuScADeL, which simplifies the deployment conceptor task and allows the expression of deployment properties such as informations for the domain state probing ; and a middleware, MuScADeM, which insures the automatic generation of a deployment plan according the domain state, its realization and finally the maintenance in an operational condition of the system.

L’objectif de cette thèse est la modélisation et l’étude de systèmes biologiques par l’intermédiaire de méthodes formelles. Les systèmes biologiques démontrent des comportements continus mais sont aussi susceptibles de montrer des changements abrupts dans leur dynamiques. Les équations différentielles ordinaires, ainsi que les systèmes dynamiques hybrides, sont deux formalismes mathématiques utilisés pour modéliser clairement de tels comportements. Un point critique de la modélisation de systèmes biologiques est la recherche des valeurs des paramètres du modèle afin de reproduire de manière précise un ensemble de données expérimentales. Si aucun jeu de paramètres valides n’est trouvé, il est nécessaire de réviser le modèle. Une possibilité est alors de remplacer un paramètre, ou un ensemble de paramètres, définissant un processus biologique par une fonctiondépendante du temps.Dans le cadre de cette thèse, nous exposons tout d’abord une méthode pour la révision de modèles hybrides. Pour cela, nous proposons une approche gloutonne appliquée à une méthode de contrôle optimal utilisant les mesures d’occupations etla relaxation convexe. Ensuite, nous étudions comment analyser les propriétés dynamiques d’un modèle à temps discret en utilisant la simulation ensembliste. Dans cet objectif, nous proposons deux méthodes basées sur deux outils mathématiques.La première méthode, qui se repose sur les polynômes de Bernstein, est une extension aux systèmes dynamiques hybrides, de l’outil de calcul ensembliste Sapo [1]. La seconde méthode utilise les représentations de Krivine-Stengle [2] pour permettre l’analyse d’atteignaiblité de systèmes dynamiques polynomiaux. Enfin, nous proposons aussi une méthodologie pour générer des systèmes dynamiques hybrides modélisant des protocoles biologiques expérimentaux. Les méthodes précédemment proposées sont appliquées sur divers études biologiques. Nous étudions tout d’abord un modèle de la production d’hémoglobinedurant la différentiation des érythrocytes dans la moelle [3]. Pour permettre la construction de ce modèle, nous avons dans un premier temps généré un ensemble de jeux de paramètres valides à l’aide d’une méthode de type Monte-Carlo. Dans un second temps, nous avons appliqué la méthode de révision de modèle afin de reproduire plus précisément les données expérimentales [4]. Nous proposons aussi un modèle préliminaire des effets à faibles doses du Cadmium sur la réponse du métabolisme à différentes étapes de la vie d’un rat. Enfin, nous appliquons les techniques d’analyse ensembliste pour la validation d’hypothèses sur un modèle d’homéostasie du fer [6] dans le cas où des paramètres varient dans de larges intervalles.Dans cette thèse, nous montrons aussi que le protocole associé à l’étude de la production d’hémoglobine, ainsi que le protocole étudiant l’intégration du Cadmium durant la vie d’un rat, peuvent être formalisés comme des systèmes dynamiques hybrides, et servent ainsi de preuves de concepts pour notre méthode de modélisation de protocoles expérimentaux / The purpose of this thesis is the modelling and analysis of biological systems with mechanistic models (in opposition with black-box models).In particular we use two mathematical formalisms for mechanism modelling: hybrid dynamical systems and polynomial Ordinary Differential Equations (ODEs).Biological systems modelling give rise to numerous problem and in this work we address three of them.First, the parameters in the differential equations are often uncertain or unknown.Consequently, we aim at generating a subset of valid parameter sets such that the models satisfy constraints deducted from some experimental data.This problem is addressed in the literature under the denomination of parameter synthesis, parameter estimation, parameter fitting, or parameter identification following the context.Then, if no valid parameter is found, one solution is to revise the model. This can be done by substituting a law in place of a constant parameter.In the literature, models with uncertain parts are known as grey models, and their studies can be found under the term of model identification.Finally, it may be necessary to ensure the correctness of the built models using validation, or verification, methods for a continuous over-approximation of the determined valid parameters.In this thesis we study the parameter synthesis problem, in the Haemoglobin production model case study, using an adaptation of the classical method based on Monte-Carlo sampling, and numerical simulations.To perform model revision of hybrid dynamical systems we propose an iterative scheme of an optimal control method based on occupation measures, and convex relaxations.Finally, we assess the quality of a model using set-based simulations, and reachability analysis.For this purpose, we propose two methods: the first one, which relies on Bernstein expansion, is an extension for hybrid dynamical systems of the reachability tool sapo , while the other uses Krivine-Stengle representations to perform the reachability analysis of polynomial ODEs.We also provide a methodology to generate hybrid dynamical systems modelling biological experimental protocols.All of these proposed methods were applied in different case studies.We first propose a model of haemoglobin production during the differentiation of an erythrocyte in the bone marrow.To develop this model we first applied the Monte-Carlo based parameters synthesis, followed by the model revision to correctly fit to the experimental data.We also propose a hybrid model of Cadmium flux in rats in the context of an experimental protocol, as well as a preliminary study of the effect of low dose Cadmium on a Glucose response.Finally, we apply the reachability analysis techniques for the validation on large parameters set of the iron homoeostasis model developed by Nicolas Mobilia during his Phd.We note the haemoglobin production model, as well as the glucose reponse model can be formalised, in their experimental context, as hybrid dynamical systems. Thus, they serve as proof of concept for the methodology of biological experimental protocols modelling.

Dans cette thèse, nous étudions les propriétés de synchronisation d'oscillateurs lents-rapides inspirés de la neuroendocrinologie et des neurosciences, en se concentrant sur les effets des phénomènes de type canard et bifurcations dynamiques sur le comportement collectif.Nous partons d'un système de dimension 4 qui représente les caractéristiques dynamiques qualitatives et quantitatives du profil de sécrétion de la neurohormone GnRH (gonadotropin releasing hormone) au cours d'un cycle ovarien. Ce modèle est constitué de deux oscillateurs de FitzHugh-Nagumo avec pour chacun des échelles de temps différentes. Le couplage unidirectionnel de l'oscillateur lent (représentant l'activité moyenne d'une population de neurones régulateurs) vers l'oscillateur rapide (représentant l'activité moyenne d'une population de neurones sécréteurs) donne une structure à trois échelles de temps. Le comportement de l'oscillateur rapide est caractérisé par une alternance entre un régime de type cycle de relaxation et un régime de quasi-stationnaire qui induit des transitions de type canard dans le modèle ; ces transitions ont un fort impact sur le modèle de sécrétion du système de dimension 4. Nous proposons un premier pas supplémentaire dans la modélisation multi-échelles (en espace) du système GnRH, c'est-à-dire que nous étendons le système original à 6 dimensions en considérant deux sous-populations distinctes de neurones sécréteurs recevant le même signal des neurones de régulation. Cette étape nous permet de enrichir les motifs possibles de sécrétion de GnRH tout en gardant un cadre dynamique compact et en préservant la séquence des événements neuro-sécréteurs capturés par le modèle de dimension 4, à la fois qualitativement et quantitativement.Une première analyse du modèle GnRH étendu à 6 dimensions est présentée dans le Chapitre 2, où nous montrons à l'aide d'un système minimal de dimension 5 l'existence de trajectoires de type canard dans des systèmes lents-rapides couplés présentant des points pseudo-stationnaires. Le couplage provoque la séparation des trajectoires correspondant à chaque sécréteur qui se retrouvent de chaque côté du canard maximal (associé soit à un point pseudo-stationnaire de type noeud soit à un pseudo-col). Nous explorons les rapports entre les canards en présence et le couplage, ainsi que leur impact sur les motifs de sécrétion collective du modèle de dimension 6. Nous identifions deux sources différentes de (dé)synchronisation due aux canards dans les événements sécrétoires, qui dépendent du type de point pseudo-stationnaire sous-jacent.Dans le Chapitre 3, nous proposons une modélisation possible des comportements complexes de sécrétion de GnRH qui ne sont pas capturés par le modèle de dimension 4, à savoir, une décharge avec 2 ``bosses'' et une désynchronisation partielle avant la décharge, en utilisant le modèle de dimension 6 précédemment construit. Pour obtenir une décharge avec deux bosses, il est essentiel d'utiliser des fonctions de couplage asymétriques dépendant du régulateur ainsi que d'introduire de l'hétérogénéité dans les sous-populations de sécréteurs. Pendant le régime pulsatile, il apparaît que le signal régulateur varie lentement et, ce faisant, provoque une bifurcation dynamique qui est responsable de la perte de synchronie dans le cas de sécréteurs non identiques et asymétriquement couplés. Nous introduisons des outils analytiques et numériques pour façonner et quantifier ces caractéristiques supplémentaires et les intégrer dans le profil complet de sécrétion. / This dissertation investigates synchronization properties of slow-fast oscillators inspired from neuroendocrinology and neuronal dynamics, focusing on the effects of canard phenomena and dynamic bifurcations on the collective behavior. We start from a 4-dimensional system which accounts for the qualitative and quantitative dynamical features of the secretion pattern of the neurohormone GnRH (gonadotropin releasing hormone) along a whole ovarian cycle. This model involves 2 FitzHugh-Nagumo oscillators with different timescales. Unidirectional coupling from the slow oscillator (representing the mean-field activity of a population of regulating neurons) to the fast oscillator (representing the mean-field activity of a population of the secreting neurons) gives a three timescale structure. The behavior of the fast oscillator is characterized by an alternation between a relaxation cycle and a quasi-stationary state which introduces canard-mediated transitions in the model; these transitions have a strong impact on the secretion pattern of the 4-dimensional system. We make a first step forward in multiscale modeling (in space) of the GnRH system, namely, we extend the original system to 6 dimensions by considering two distinct subpopulations of secreting neurons receiving the same signal from the regulating neurons. This step allows us to enrich further the GnRH secretion pattern while keeping a compact dynamic framework and preserving the sequence of neurosecretory events captured by the 4-dimensional model, both qualitatively and quantitatively. An initial analysis of the extended 6-dimensional GnRH model is presented in Chapter 2, where we prove using a 5D minimal model the existence of canard trajectories in coupled systems with folded singularities. Coupling causes separation of trajectories corresponding to each secretor by driving them to different sides of the maximal canard (associated with either a folded-node or a folded-saddle singularity). We explore the impact of the relationship between canard structures and coupling on the collective secretion pattern of the 6-dimensional model. We identify two different sources of canard-mediated (de)synchronization in the secretory events, which depend on the type of underlying folded singularity. In Chapter 3, we attempt to model complex behaviors of the GnRH secretion not captured by the 4-dimensional model, namely, a surge with 2 bumps and partial desynchronization before the surge, by using the 6-dimensional model previously constructed. Regulatory-dependent asymmetric coupling functions and heterogeneity in the secretor subpopulations are essential for obtaining such a 2-bump surge. During the pulsatile regime, we find that the slowly varying regulatory signal causes a dynamic bifurcation, which is responsible for loss of synchrony in asymmetrically coupled nonidentical secretors. We introduce analytic and numerical tools to shape and quantify the additional features embedded within the whole secretion pattern.

Dans une première partie, on s'intéresse à un système d'EDP stochastiques variant selon deux échelles de temps, et plus particulièrement à l'approximation de la composante lente à l'aide d'un schéma numérique efficace. On commence par montrer un principe de moyennisation, à savoir la convergence de la composante lente du système vers la solution d'une équation dite moyennée. Ensuite on prouve qu'un schéma numérique de type Euler fournit une bonne approximation d'un coefficient inconnu apparaissant dans cette équation moyennée. Finalement, on construit et on analyse un schéma de discrétisation du système à partir des résultats précédents, selon la méthodologie dite HMM (Heterogeneous Multiscale Method). On met en évidence l'ordre de convergence par rapport au paramètre d'échelle temporelle et aux différents paramètres du schéma numérique- on étudie les convergences au sens fort (approximation des trajectoires) et au sens faible (approximation des lois). Dans une seconde partie, on étudie une méthode d'approximation de solutions d'EDP paraboliques, en combinant une approche semi-lagrangienne et une discrétisation de type Monte-Carlo. On montre d'abord dans un cas simplifié que la variance dépend des pas de discrétisation- enfin on fournit des simulations numériques de solutions, afin de mettre en avant les applications possibles d'une telle méthode. / In a first part, we are interested in the behavior of a system of Stochastic PDEs with two time-scales- more precisely, we focus on the approximation of the slow component thanks to an efficient numerical scheme. We first prove an averaging principle, which states that the slow component converges to the solution of the so-called averaged equation. We then show that a numerical scheme of Euler type provides a good approximation of an unknown coefficient appearing in the averaged equation. Finally, we build and we analyze a discretization scheme based on the previous results, according to the HMM methodology (Heterogeneous Multiscale Method). We precise the orders of convergence with respect to the time-scale parameter and to the parameters of the numerical discretization- we study the convergence in a strong sense - approximation of the trajectories - and in a weak sense - approximation of the laws. In a second part, we study a method for approximating solutions of parabolic PDEs, which combines a semi-lagrangian approach and a Monte-Carlo discretization. We first show in a simplified situation that the variance depends on the discretization steps. We then provide numerical simulations of solutions, in order to show some possible applications of such a method.

Cette thèse traite de la solution numérique de deux types de problèmes stochastiques. Premièrement, nous nous intéressons aux EDS fortement oscillantes, c'est-à-dire, les systèmes composés de variables ergodiques évoluant rapidement par rapport aux autres. Nous proposons un algorithme basé sur des résultats d'homogénéisation. Il est défini par un schéma d'Euler appliqué aux variables lentes couplé avec un estimateur à pas décroissant pour approcher la limite ergodique des variables rapides. Nous prouvons la convergence forte de l'algorithme et montrons que son erreur normalisée satisfait un résultat du type théorème limite centrale généralisé. Nous proposons également une version extrapolée de l'algorithme ayant une meilleure complexité asymptotique en satisfaisant les mêmes propriétés que la version originale. Ensuite, nous étudions la solution des EDS de type McKean-Vlasov (EDSPR-MKV) associées à la solution de certains problèmes de contrôle sous un environnement formé d'un grand nombre de particules ayant des interactions du type champ-moyen. D'abord, nous présentons un nouvel algorithme, basé sur la méthode de cubature sur l'espace de Wiener, pour approcher faiblement la solution d'une EDS du type McKean-Vlasov. Il est déterministe et peut être paramétré pour atteindre tout ordre de convergence souhaité. Puis, en utilisant ce nouvel algorithme, nous construisons deux schémas pour résoudre les EDSPR-MKV découplées et nous montrons que ces schémas ont des convergences d'ordres un et deux. Enfin, nous considérons le problème de réduction de la complexité de la méthode présentée tout en respectant la vitesse de convergence énoncée. / This Ph.D. thesis deals with the numerical solution of two types of stochastic problems. First, we investigate the numeric solution to strongly oscillating SDEs, i.e. systems in which some ergodic state variables evolve quickly with respect to the remaining ones. We propose an algorithm that uses homogenization results and consists of an Euler scheme for the slow scale variables coupled with a decreasing step estimator for the ergodic averages of the fast variables. We prove the strong convergence of the algorithm as well as a generalized central limit theorem result for the normalized error distribution. In addition, we propose an extrapolated version applicable under stronger regularity assumptions and which satisfies the same properties of the original algorithm with lower asymptotic complexity. Then, we treat the problem of solving decoupled Forward Backward Stochastic Differential equations of McKean-Vlasov type (MKV-FBSDE) which appear in some stochastic control problems in an environment of a large number of particles with mean field interactions. As a first step, we propose a new algorithm, based on the cubature method on Wiener spaces, to weakly approach the solution of a McKean-Vlasov SDE. It is deterministic and can be parametrized to obtain any given order of convergence. Using this first forward approximation algorithm, we construct two procedures to solve the decoupled MKV-FBSDE and show that they converge with orders one and two under appropriate regularity conditions. Finally, we consider the problem of reducing the complexity of the presented method while preserving the presented convergence rates.

Cette thèse traite de la solution numérique de deux types de problèmes stochastiques. Premièrement, nous nous intéressons aux EDS fortement oscillantes, c'est-à-dire, les systèmes composés de variables ergodiques évoluant rapidement par rapport aux autres. Nous proposons un algorithme basé sur des résultats d'homogénéisation. Il est défini par un schéma d'Euler appliqué aux variables lentes couplé avec un estimateur à pas décroissant pour approcher la limite ergodique des variables rapides. Nous prouvons la convergence forte de l'algorithme et montrons que son erreur normalisée satisfait un résultat du type théorème limite centrale généralisé. Nous proposons également une version extrapolée de l'algorithme ayant une meilleure complexité asymptotique en satisfaisant les mêmes propriétés que la version originale. Ensuite, nous étudions la solution des EDS de type McKean-Vlasov (EDSPR-MKV) associées à la solution de certains problèmes de contrôle sous un environnement formé d'un grand nombre de particules ayant des interactions du type champ-moyen. D'abord, nous présentons un nouvel algorithme, basé sur la méthode de cubature sur l'espace de Wiener, pour approcher faiblement la solution d'une EDS du type McKean-Vlasov. Il est déterministe et peut être paramétré pour atteindre tout ordre de convergence souhaité. Puis, en utilisant ce nouvel algorithme, nous construisons deux schémas pour résoudre les EDSPR-MKV découplées et nous montrons que ces schémas ont des convergences d'ordres un et deux. Enfin, nous considérons le problème de réduction de la complexité de la méthode présentée tout en respectant la vitesse de convergence énoncée.

Dans une première partie, on s'intéresse à un système d'EDP stochastiques variant selon deux échelles de temps, et plus particulièrement à l'approximation de la composante lente à l'aide d'un schéma numérique efficace. On commence par montrer un principe de moyennisation, à savoir la convergence de la composante lente du système vers la solution d'une équation dite moyennée. Ensuite on prouve qu'un schéma numérique de type Euler fournit une bonne approximation d'un coefficient inconnu apparaissant dans cette équation moyennée. Finalement, on construit et on analyse un schéma de discrétisation du système à partir des résultats précédents, selon la méthodologie dite HMM (Heterogeneous Multiscale Method). On met en évidence l'ordre de convergence par rapport au paramètre d'échelle temporelle et aux différents paramètres du schéma numérique; on étudie les convergences au sens fort (approximation des trajectoires) et au sens faible (approximation des lois). Dans une seconde partie, on étudie une méthode d'approximation de solutions d'EDP paraboliques, en combinant une approche semi-lagrangienne et une discrétisation de type Monte-Carlo. On montre d'abord dans un cas simplifié que la variance dépend des pas de discrétisation; enfin on fournit des simulations numériques de solutions, afin de mettre en avant les applications possibles d'une telle méthode.

L'objet de cette thèse est l'étude mathématique de modèles probabilistes pour la génération et la propagation d'un potentiel d'action dans les neurones et plus généralement de modèles aléatoires pour les systèmes excitables. En effet, nous souhaitons étudier l'influence du bruit sur certains systèmes excitables multi-échelles possédant une composante spatiale, que ce soit le bruit contenu intrinsèquement dans le système ou le bruit provenant du milieu. Ci-dessous, nous décrivons d'abord le contenu mathématique de la thèse. Nous abordons ensuite la situation physiologique décrite par les modèles que nous considérons. Pour étudier le bruit intrinsèque, nous considérons des processus de Markov déterministes par morceaux à valeurs dans des espaces de Hilbert ("Hilbert-valued PDMP"). Nous nous sommes intéressés à l'aspect multi-échelles de ces processus et à leur comportement en temps long. Dans un premier temps, nous étudions le cas où la composante rapide est une composante discrète du PDMP. Nous démontrons un théorème limite lorsque la composante rapide est infiniment accélérée. Ainsi, nous obtenons la convergence d'une classe de "Hilbert-valued PDMP" contenant plusieurs échelles de temps vers des modèles dits moyennés qui sont, dans certains cas, aussi des PDMP. Nous étudions ensuite les fluctuations du modèle multi-échelles autour du modèle moyenné en montrant que celles-ci sont gaussiennes à travers la preuve d'un théorème de type "central limit". Dans un deuxième temps, nous abordons le cas où la composante rapide est elle-même un PDMP. Cela requiert de connaître la mesure invariante d'un PDMP à valeurs dans un espace de Hilbert. Nous montrons, sous certaines conditions, qu'il existe une unique mesure invariante et la convergence exponentielle du processus vers cette mesure. Pour des PDMP dits diagonaux, la mesure invariante est explicitée. Ces résultats nous permettent d'obtenir un théorème de moyennisation pour des PDMP "rapides" couplés à des chaînes de Markov à temps continu "lentes". Pour étudier le bruit externe, nous considérons des systèmes d'équations aux dérivées partielles stochastiques (EDPS) conduites par des bruits colorés. Sur des domaines bornés de $\mathbb{R}^2$ ou $\mathbb{R}^3$, nous menons l'analyse numérique d'un schéma de type différences finies en temps et éléments finis en espace. Pour une classe d'EDPS linéaires, nous étudions l'erreur de convergence forte de notre schéma. Nous prouvons que l'ordre de convergence forte est deux fois moindre que l'ordre de convergence faible. Par des simulations, nous montrons l'émergence de phénomènes d'ondes ré-entrantes dues à la présence du bruit dans des domaines de dimension deux pour les modèles de Barkley et Mitchell-Schaeffer.

Cette thèse traite du problème de la réduction de modèle pour les systèmes quantiquesouverts possédant différentes échelles de temps, également connu sous le nom d’éliminationadiabatique. L’objectif est d’obtenir une méthode générale d’élimination adiabatiqueassurant la structure quantique du modèle réduit.On considère un système quantique ouvert, décrit par une équation maîtresse deLindblad possédant deux échelles de temps, la dynamique rapide faisant converger lesystème vers un état d’équilibre. Les systèmes associés à un état d’équilibre unique ouune variété d’états d’équilibre ("decoherence-free space") sont considérés. La dynamiquelente est traitée comme une perturbation. En utilisant la séparation des échelles de temps,on développe une nouvelle technique d’élimination adiabatique pour obtenir, à n’importequel ordre, le modèle réduit décrivant les variables lentes. Cette méthode, basée sur undéveloppement asymptotique et la théorie géométrique des perturbations singulières, assureune bonne interprétation physique du modèle réduit au second ordre en exprimant ladynamique réduite sous une forme de Lindblad et la paramétrisation définissant la variétélente dans une forme de Kraus (préservant la trace et complètement positif). On obtientainsi des formules explicites, pour calculer le modèle réduit jusqu’au second ordre, dans lecas des systèmes composites faiblement couplés, de façon Hamiltonienne ou en cascade;des premiers résultats au troisième ordre sont présentés. Pour les systèmes possédant unevariété d’états d’équilibre, des formules explicites pour calculer le modèle réduit jusqu’ausecond ordre sont également obtenues. / This thesis addresses the model reduction problem for open quantum systems with differenttime-scales, also called adiabatic elimination. The objective is to derive a generic adiabaticelimination technique preserving the quantum structure for the reduced model.We consider an open quantum system, described by a Lindblad master equation withtwo time-scales, where the fast time-scale drives the system towards an equilibrium state.The cases of a unique steady state and a manifold of steady states (decoherence-free space)are considered. The slow dynamics is treated as a perturbation. Using the time-scaleseparation, we developed a new adiabatic elimination technique to derive at any orderthe reduced model describing the slow variables. The method, based on an asymptoticexpansion and geometric singular perturbation theory, ensures the physical interpretationof the reduced second-order model by giving the reduced dynamics in a Lindblad formand the mapping defining the slow manifold as a completely positive trace-preserving map(Kraus map) form. We give explicit second-order formulas, to compute the reduced model,for composite systems with weak - Hamiltonian or cascade - coupling between the twosubsystems and preliminary results on the third order. For systems with decoherence-freespace, explicit second order formulas are as well derived.