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.

Cette thèse concerne l’étude de grandes déviations précises pour deux statistiques de test:le coefficient de corrélation empirique de Pearson et la statistique de Moran.Les deux premiers chapitres sont consacrés à des rappels sur les grandes déviations précises et sur la méthode de Laplace qui seront utilisés par la suite. Par la suite, nous étudions les grandes déviations précises pour des coefficients de Pearson empiriques qui sont définis par:$r_n=\sum_{i=1}^n(X_i-\bar X_n)(Y_i-\bar Y_n)/\sqrt{\sum_{i=1}(X_i-\bar X_n)^2 \sum_{i=1}(Y_i-\bar Y_n)^2}$ ou, quand les espérances sont connues, $\tilde r_n=\sum_{i=1}^n(X_i-\mathbb E(X))(Y_i-\mathbb E(Y))/\sqrt{\sum_{i=1}(X_i-\mathbb E(X))^2 \sum_{i=1}(Y_i-\mathbb E(Y))^2} \, .$. Notre cadre est celui d’échantillons (Xi, Yi) ayant une distribution sphérique ou une distribution gaussienne. Dans chaque cas, le schéma de preuve suit celui de Bercu et al.Par la suite, nous considérons la statistique de Moran $T_n=\frac{1}{n}\sum_{k=1}^n\log\frac{X_i}{\bar X_n}+\gamma \, ,$o\`u $\gamma$, où γ est la constante d’ Euler. Enfin l’appendice est consacré aux preuves de résultats techniques. / This thesis focuses on the study of Sharp large deviations (SLD) for two test statistics:the Pearson’s empirical correlation coefficient and the Moran statistic.The two first chapters aim to recall general results on SLD principles and Laplace’s methodsused in the sequel. Then we study the SLD of empirical Pearson coefficients, name $r_n=\sum_{i=1}^n(X_i-\bar X_n)(Y_i-\bar Y_n)/\sqrt{\sum_{i=1}(X_i-\bar X_n)^2 \sum_{i=1}(Y_i-\bar Y_n)^2}$ and when the meansare known,$\tilde r_n=\sum_{i=1}^n(X_i-\mathbb E(X))(Y_i-\mathbb E(Y))/\sqrt{\sum_{i=1}(X_i-\mathbb E(X))^2 \sum_{i=1}(Y_i-\mathbb E(Y))^2} \, .$ .Our framework takes place in two cases of random sample (Xi, Yi): spherical distributionand Gaussian distribution. In each case, we follow the scheme of Bercu et al. Next, westate SLD for the Moran statistic $T_n=\frac{1}{n}\sum_{k=1}^n\log\frac{X_i}{\bar X_n}+\gamma \, ,$o\`u $\gamma$ , where γ is the Euler constant.Finally the appendix is devoted to some technical results.

Le contrôle explicite de la convergence des sommes convenablement normalisées de variables aléatoires, ainsi que l'étude du principe de déviations modérées associé à ces sommes constituent les thèmes centraux de cette thèse. Nous étudions principalement deux types de processus. Premièrement, nous nous intéressons aux processus indexés par un arbre binaire, aléatoire ou non. Ces processus ont été introduits dans la littérature afin d'étudier le mécanisme de la division cellulaire. Au chapitre 2, nous étudions les chaînes de Markov bifurcantes. Ces chaînes peuvent être vues comme une adaptation des chaînes de Markov "usuelles'' dans le cas où l'ensemble des indices à une structure binaire. Sous des hypothèses d'ergodicité géométrique uniforme et non-uniforme d'une chaîne de Markov induite, nous fournissons des inégalités de déviations et un principe de déviations modérées pour les chaînes de Markov bifurcantes. Au chapitre 3, nous nous intéressons aux processus bifurcants autorégressifs d'ordre p (). Ces processus sont une adaptation des processus autorégressifs linéaires d'ordre p dans le cas où l'ensemble des indices à une structure binaire. Nous donnons des inégalités de déviations, ainsi qu'un principe de déviations modérées pour les estimateurs des moindres carrés des paramètres "d'autorégression'' de ce modèle. Au chapitre 4, nous traitons des inégalités de déviations pour des chaînes de Markov bifurcantes sur un arbre de Galton-Watson. Ces chaînes sont une généralisation de la notion de chaînes de Markov bifurcantes au cas où l'ensemble des indices est un arbre de Galton-Watson binaire. Elles permettent dans le cas de la division cellulaire de prendre en compte la mort des cellules. Les hypothèses principales que nous faisons dans ce chapitre sont : l'ergodicité géométrique uniforme d'une chaîne de Markov induite et la non-extinction du processus de Galton-Watson associé. Au chapitre 5, nous nous intéressons aux modèles autorégressifs linéaires d'ordre 1 ayant des résidus corrélés. Plus particulièrement, nous nous concentrons sur la statistique de Durbin-Watson. La statistique de Durbin-Watson est à la base des tests de Durbin-Watson, qui permettent de détecter l'autocorrélation résiduelle dans des modèles autorégressifs d'ordre 1. Nous fournissons un principe de déviations modérées pour cette statistique. Les preuves du principe de déviations modérées des chapitres 2, 3 et 4 reposent essentiellement sur le principe de déviations modérées des martingales. Les inégalités de déviations sont établies principalement grâce à l'inégalité d'Azuma-Bennet-Hoeffding et l'utilisation de la structure binaire des processus. Le chapitre 5 est né de l'importance qu'a l'ergodicité explicite des chaînes de Markov au chapitre 3. L'ergodicité géométrique explicite des processus de Markov à temps discret et continu ayant été très bien étudiée dans la littérature, nous nous sommes penchés sur l'ergodicité sous-exponentielle des processus de Markov à temps continu. Nous fournissons alors des taux explicites pour la convergence sous exponentielle d'un processus de Markov à temps continu vers sa mesure de probabilité d'équilibre. Les hypothèses principales que nous utilisons sont : l'existence d'une fonction de Lyapunov et d'une condition de minoration. Les preuves reposent en grande partie sur la construction du couplage et le contrôle explicite de la queue du temps de couplage.

Le sujet principal de ce mémoire est l'étude de la distribution asymptotique de la fonction f_m qui compte le nombre de diviseurs premiers distincts parmi les nombres premiers $p_1,...,p_m$. Au premier chapitre, nous présentons les sept résultats qui seront démontrés au chapitre 4. Parmi ceux-ci figurent l'analogue du théorème d'Erdos-Kac et un résultat sur les grandes déviations. Au second chapitre, nous définissons les espaces de probabilités qui serviront à calculer les probabilités asymptotiques des événements considérés, et éventuellement à calculer les densités qui leur correspondent. Le troisième chapitre est la partie centrale du mémoire. On y définit la promenade aléatoire qui, une fois normalisée, convergera vers le mouvement brownien. De là, découleront les résultats qui formeront la base des démonstrations de ceux chapitre 1. / The main topic of this masters thesis is the study of the asymptotic distribution of the fonction f_m which counts the number of distinct prime divisors among the first $m$ prime numbers, i.e. $p_1,...,p_m$. The first chapter provides the seven main results which will later on be proved in chapter 4. Among these we find the analogue of the Erdos-Kac central limit theorem and a result on large deviations. In the following chapter, we define several probability spaces on which we will calculate asymptotic probabilities of specific events. These will become necessary for calculating their corresponding densities. The third chapter is the main part of this masters thesis. In it, we introduce a random walk which, when suitably normalized, will converge to the Brownian motion. We will then obtain results which will form the basis of the proofs of those of chapiter 1.

Dans cette thèse on s'intéresse au temps local d'auto-intersections de marches aléatoires. Cette quantité est définie comme la norme-p à la puissance p du temps local de la marche. Elle regarde dans quelle mesure la trajectoire de la marche aléatoire s'intersecte. Le temps local d'auto-intersections est lié à différents modèles physiques comme les modèles de polymères ou les problèmes d'écoulements de flux en milieux stratifiés mais aussi au modèle mathématiques des marches aléatoires en paysages aléatoires. Nous nous sommes pour notre part intéressés en particulier aux grandes déviations du temps local d'auto-intersections, c'est à dire que nous regardons la probabilité que la quantité d'intersections de la marche aléatoire soit plus grande que sa moyenne. Cette question qui a été très étudiée au cours des années 2000 fait apparaitre trois cas distincts, le cas sous-critique, le cas critique et le cas sur-critique. Nous améliorons la connaissance sur cette question au travers de deux résultats complets et d'un résultat partiel. D'abord nous prouvons un principe de grandes déviations dans les cas critique et sur-critique des marches alpha-stables, puis nous améliorons les échelles de déviations au cas sous-critique tout entier de la marche simple, enfin nous sommes en train d'étendre ce dernier résultat aux marches alpha-stables. Par ailleurs les trois preuves sont basées sur l'utilisation d'une version due à Eisenbaum d'un théorème d'isomorphisme de Dynkin. Cette méthode d'abord introduite par Castell dans le cas critique est donc ici étendue aux autres cas. Nous avons donc réussi à unifier les différentes méthodes de preuves au travers ce théorème d'isomorphisme. / In this thesis we are interested in the self-intersection local times of random walks. This quantity is defined as the p-norm to the power of p of the local times of the random walk. It measures how much the trajectory of the random walk intersects itself. The self-intersection local times is connected with various physical models as polymer models or problems of anomalous dispersion in layered random flows, but it is also linked with the mathematical model of random walks in random sceneries. More precisely, we are interested in the large deviations of the self-intersection local times, i.e. we work on the probability for the intersections to be larger than expected. This question that has been studied a lot during the 2000's is divided in three cases, the subcritical one, the critical one and the super critical one. We improve the knowledge about this question by two complete results and a partial one. First, we have proved a large deviation principle in the critical and super critical cases of alpha-stable random walks, then we have improved the deviations' scales to the entire subcritical case of simple random walk, finally we are extending this last result to the alpha-stable random walks. The three proofs are based on a version due to Eisenbaum of a Dynkin isomorphism theorem. This method which has been first introduced by Castell in the critical case, is extended here to the others cases. Thus, we have succeeded to unify the methods of proof by this isomorphism theorem.

Nous considérons des systèmes d'équations différentielles stochastiques faisant intervenir deux échelles de temps bien distinctes. Nous commençons par établir, dans un cadre général, des propriétés de concentration des trajectoires au voisinage des variétés lentes du système déterministe correspondant. Nous étudions ensuite la dynamique au voisinage de points de bifurcation de la variété lente, en particulier dans le cas d'une bifurcation noeud-col et d'une bifurcation fourche. Les phénomènes apparentées de la résonance stochastique et de l'hystérésis dynamique sont également étudiés en détail. Finalement, nous dérivons la loi des temps de passage à travers une orbite périodique instable, pour une famille d'équations qui ne sont pas limitées au cas d'échelles de temps distinctes.

Dans cette thèse, nous proposons de nouvelles méthodes d'estimation et de test par optimisation des Divergences entre mesures pour des modèles paramétriques discrets ou continus, pour des modèles à rapport de densités semi-paramétriques et pour des modèles non paramétriques restreints par des contraintes linéaires. Les méthodes proposées sont basées sur une nouvelle représentation des Divergences entre mesures. Nous montrons que les méthodes du maximum de vraisemblance paramétrique et du maximum de vraisemblance empirique sont des cas particuliers correspondant au choix de la Divergence de Kullback-Leibler modifiée, et que le choix d'autres types de Divergences mène à des estimateurs ayant des propriétés similaires voire meilleurs dans certains cas. De nombreuses perspectives concernant le problème du choix de la Divergence sont notées.

Dans la première partie, nous avons étudié l'effet du bruit sur la vitesse d'un front décrit par une équation de type Fisher-Kolmogorov. Ces équations interviennent souvent comme la limite d'un modèle aléatoire faisant intervenir N particules quand N devient grand. Elles ont beaucoup de solutions, mais c'est la vitesse marginalement stable v^* qui est sélectionnée pour une condition initiale localisée. Nous avons montré que si l'on prend en compte l'aspect discret du modèle microscopique en ajoutant un cut-off d'ordre 1/N dans la queue du front, alors, quelles que soient les conditions initiales, la vitesse de propagation v_N est proche de v^* et la différence v^* - v_N est d'ordre (log N)^(-2). Ces résultats peuvent s'appliquer au modèle aléatoire: grâce à des simulations faisant intervenir jusqu'à 10^14 particules, nous avons observé une correction de la vitesse compatible avec celle obtenue dans le modèle avec \textit{cut-off}. La méthode que nous avons employée permet également de retrouver les résultats de Bramson sur l'influence des conditions initiales sur la vitesse d'un front. La seconde partie est consacrée aux polymères dirigés dans un milieu aléatoire de largeur finie. La méthode des répliques permet de ramener le calcul des fluctuations de l'énergie libre d'un tel polymère à un problème de mécanique quantique avec n particules en interaction. Ce modèle peut être résolu grâce à l'Ansatz de Bethe, mais il faut extrapoler les solutions à des n non-entiers pour faire le lien avec l'énergie libre d'un polymère. Nous avons présenté une méthode qui nous a permis de calculer exactement les premiers cumulants de cette énergie libre. De plus, pour une dimension transversale périodique, on peut calculer tous ces cumulants dans la limite où la largeur du système devient grande et déterminer ainsi la distribution de l'énergie libre. Cette distribution est la même que celle obtenue dans le modèle ASEP et semble donc être une propriété universelle de l'équation KPZ.

Cette thèse porte sur l'étude probabiliste de modèles écologiques appartenant à la récente théorie des "dynamiques adaptatives". Après avoir précisé et généralisé le cadre et l'heuristique biologique de ces modèles, nous obtenons une justification microscopique d'un modèle d'évolution par sauts à partir d'un système de particules en interaction à valeurs mesure, décrivant la dynamique de la population à l'échelle individuelle. Il s'agit d'un résultat de séparation d'échelles de temps lié à deux asymptotiques : mutations rares et grande population. Ensuite, nous retrouvons une équation différentielle ordinaire connue sous le nom d'"équation canonique des dynamiques adaptatives" en appliquant une asymptotique de petits sauts au processus précédent. Cette asymptotique nous conduit à introduire un modèle d'évolution par diffusion comme approximation diffusion du processus de saut, dont les coefficients présentent une mauvaise régularité : dérive discontinue et diffusion dégénérée aux mêmes points. Nous examinons d'abord l'existence faible, l'unicité en loi et la propriété de Markov forte pour ces processus, questions liées au problème d'atteinte de certains points isolés de l'espace. Enfin, nous démontrons un principe de grandes déviations pour ces diffusions qui permet d'étudier le temps et le lieu de sortie d'un domaine attracteur --- question biologique fondamentale.

Cette thèse se divise en deux parties indépendantes. Dans la première, nous considérons un modèle microscopique individu-centré pour décrire une population structurée par traits et âges. Nous étudions l'écologie de ce système (problèmes de dynamique de populations) dans une asymptotique de grandes populations. Sous certaines renormalisations, le processus microscopique converge par la solution à valeurs mesures d'une équation d'évolution déterministe. Un théorème central limite et les déviations exponentielles associées à cette convergence sont étudiés. Nous appliquons ensuite ces résultats pour établir des généralisations aux populations structurées par âge de modèles d'évolution tirés de la récente théorie des dynamiques adaptatives. Ces derniers modélisent l'évolution de la structure en traits sur des grandes échelles de temps et sous les hypothèses de mutations rares (éventuellement petites) et de grandes populations. Dans la seconde partie de la thèse, nous considérons des équations aux dérivées partielles de McKean-Vlasov et de Navier-Stokes 2D avec conditions initiales aléatoires. La loi des solutions, qui sont alors des variables aléatoires, est appelée solution statistique. En nous basant sur une approche probabiliste de ces équations aux dérivées partielles, nous proposons de nouvelles approximations particulaires stochastiques avec ondelettes pour les moments d'ordre 1 des solutions statistiques, et nous étudions leurs vitesses de convergence.