Ce travail est axe sur l'etude des effets orientationnels induits par photo-isomerisation et de la relaxation de l'ordre cree. La methode que nous utilisons est basee sur la possibilite de certains materiaux de devenir dichroiques et birefringents lorsqu'ils sont eclaires par une lumiere polarisee et d'acquerir des proprietes non-lineaires du premier ordre, si un champ electrique est applique simultanement. Cette methode permet d'induire, par voie optique, un ordre orientationnel a partir de molecules photo-isomerisables. Cette orientation est la consequence de la superposition de plusieurs mecanismes: le pompage selectif des molecules paralleles a la polarisation de la pompe, la redistribution angulaire (non-centrosymetrique s'il y a un champ) et enfin, la relaxation angulaire. Ce modele a deja ete demontre sur la molecule de disperse red 1 (derivee de l'azobenzene), mais, du fait de la brievete de la duree de vie du photo-isomere, il est impossible de determiner les differentes etapes de la rotation des molecules. Une experience de dichroisme photo-induit a ete realisee pour observer l'anisotropie des deux isomeres de la molecule. Cette experience a montre que la rotation est faible a chaque cycle de pompage mais qu'il est pratiquement impossible de determiner a quel moment du cycle la molecule tourne. Nous montrons alors, sur le systeme spiropyrane-merocyanine, que la longue duree de vie du photo-isomere permet d'obtenir des informations sur les mecanismes d'orientation. Dans le cas du spiropyrane, l'orientation a lieu aussi bien pendant la photo-isomerisation que par diffusion thermique spontanee apres la photo-isomerisation. D'autre part, ces experiences ont permis d'etudier la mobilite angulaire des molecules de merocyanine dans le polymere: elle est d'autant plus faible que la concentration des echantillons est grande, elle diminue en fonction du temps apres le processus de photo-isomerisation et elle est plus faible dans le cas d'echantillons ages. Notre etude a permis une meilleure comprehension des mecanismes d'orientation lies a la photo-isomerisation et de relaxation de l'ordre orientationnel.

Le but de cette thèse est de proposer une modélisation mathématique des stimulations visuelles afin d'analyser finement des données expérimentales en psychophysique et en électrophysiologie. Plus précis\'ement, afin de pouvoir exploiter des techniques d'analyse de données issues des statistiques Bayésiennes et de l'apprentissage automatique, il est nécessaire de développer un ensemble de stimulations qui doivent être dynamiques, stochastiques et d'une complexité paramétrée. Il s'agit d'un problème important afin de comprendre la capacité du système visuel à intégrer et discriminer différents stimuli. En particulier, les mesures effectuées à de multiples échelles (neurone, population de neurones, cognition) nous permette d'étudier les sensibilités particulières des neurones, leur organisation fonctionnelle et leur impact sur la prise de décision. Dans ce but, nous proposons un ensemble de contributions théoriques, numériques et expérimentales, organisées autour de trois axes principaux : (1) un modèle de synthèse de textures dynamiques Gaussiennes spécialement paramétrée pour l'étude de la vision; (2) un modèle d'observateur Bayésien rendant compte du biais positif induit par fréquence spatiale sur la perception de la vitesse; (3) l'utilisation de méthodes d'apprentissage automatique pour l'analyse de données obtenues en imagerie optique par colorant potentiométrique et au cours d'enregistrements extra-cellulaires. Ce travail, au carrefour des neurosciences, de la psychophysique et des mathématiques, est le fruit de plusieurs collaborations interdisciplinaires. / The goal of this thesis is to propose a mathematical model of visual stimulations in order to finely analyze experimental data in psychophysics and electrophysiology. More precisely, it is necessary to develop a set of dynamic, stochastic and parametric stimulations in order to exploit data analysis techniques from Bayesian statistics and machine learning. This problem is important to understand the visual system capacity to integrate and discriminate between stimuli. In particular, the measures performed at different scales (neurons, neural population, cognition) allow to study the particular sensitivities of neurons, their functional organization and their impact on decision making. To this purpose, we propose a set of theoretical, numerical and experimental contributions organized around three principal axes: (1) a Gaussian dynamic texture synthesis model specially crafted to probe vision; (2) a Bayesian observer model that accounts for the positive effect of spatial frequency over speed perception; (3) the use of machine learning techniques to analyze voltage sensitive dye optical imaging and extracellular data. This work, at the crossroads of neurosciences, psychophysics and mathematics is the fruit of several interdisciplinary collaborations.