Ce travail de thèse est consacrée à l'étude des interractions de gaz de Bose de polaritons avec leurs environnements dans le but de déterminer l'impact de la densité, de la dimmensinalité du confinement, du potentiel ressentis par le gaz et du bain de phonons sur les propriétés du gaz de Bose.Le premier chapitre présente un condensat de polaritons unidimensionel au sein de microfils d'oxyde de zinc qui présente d'une nature quasi excitonique.En déterminant les propriétés de corrélation spatiale du gaz et en utilisant un modèle champ moyen nous déterminons l'influence combinée de la nature quasi-excitonique, du potentiel confinant et de la densité sur les propriétés de cohérence du gaz. La fin du chapitre décrit une application de ces polaritons très excitoniques à une nouvelle technique d'imagerie de Sub-longueur d'onde basée sur le concept lentilles solides à immersion.Dans la deuxième partie, nous abordons les interactions du champ de polaritons avec une caractéristique intrinsèque de l'environnement à l'état solide : les excitations thermiques du réseau appelées phonons.Dans cette partie, nous utilisons la spectroscopie Raman résolue en angle pour étudier la Fluorescence Anti-Stokes qui consiste en l'absorption d'un phonon par un état excité pour refroidir la microcavité étudiée.L'étude réalisée a exploité la fluorescence anti Stokes de polaritons en exploitant respectivement leur très courte durée de vie et leur très faible masse pour accéder à une dynamique de refroidissement extrêmement rapide rapide et une gamme d'énergie allant de 150K à 4K. / This work is devoted to the study of the interaction of a Bose gas of polariton with its environment it aims to determine the impact of the gas density, the dimensionality of the confinement, the experienced potential and the surrounding phonon bath on the polariton Bose gas characteristics.In the first chapter, we study a one dimensional polariton condensate in Zinc Oxide microwires that features a quasi excitonic nature.By determining the spatial correlation properties of the gas, and using a mean field driven dissipative model developed by our colleagues of the Laboratoire de Physique et de Mod'elisation des Milieux Condens'es we were able to determine the influence of the combined quasi excitonic nature, disordered one dimensional confining potential and density on the coherence properties of the gas. The end of the chapter describes an application of those highly excitonic polaritons to a novel subwavelength imaging technic based on the Solid Immersion Lens concept.In the second part we address the interactions of the polariton field with an intrinsic characteristic of the solid state environment : the thermal excitations of the lattice called phonons.In this part, we use angle resolved Raman spectroscopy to study Anti-Stokes Fluorescence (ASF) which consists in the the absorption of a phonon by an excited states to cool down the studied microcavity. The state of the art technics are using ion doped materials or bare excitons in semiconductors as emitters.The study performed exploited the polaritons as emitters, using respectively their very short lifetime and their very light mass to access a faster cooling dynamics and an energy range going from 150K to 4K.

No description available.

Le traitement des données massives, communément connu sous l’appellation “Big Data”, constitue l’un des principaux défis scientifiques de la communauté STIC.Plusieurs domaines, à savoir économique, industriel ou scientifique, produisent des données hétérogènes acquises selon des protocoles technologiques multi-modales. Traiter indépendamment chaque ensemble de données mesurées est clairement une approche réductrice et insatisfaisante. En faisant cela, des “relations cachées” ou des inter-corrélations entre les données peuvent être totalement ignorées.Les représentations tensorielles ont reçu une attention particulière dans ce sens en raison de leur capacité à extraire de données hétérogènes et volumineuses une information physiquement interprétable confinée à un sous-espace de dimension réduite. Dans ce cas, les données peuvent être organisées selon un tableau à D dimensions, aussi appelé tenseur d’ordre D.Dans ce contexte, le but de ce travail et que certaines propriétés soient présentes : (i) avoir des algorithmes de factorisation stables (ne souffrant pas de probème de convergence), (ii) avoir un faible coût de stockage (c’est-à-dire que le nombre de paramètres libres doit être linéaire en D), et (iii) avoir un formalisme sous forme de graphe permettant une visualisation mentale simple mais rigoureuse des décompositions tensorielles de tenseurs d’ordre élevé, soit pour D > 3.Par conséquent, nous nous appuyons sur la décomposition en train de tenseurs (TT) pour élaborer de nouveaux algorithmes de factorisation TT, et des nouvelles équivalences en termes de modélisation tensorielle, permettant une nouvelle stratégie de réduction de dimensionnalité et d'optimisation de critère des moindres carrés couplés pour l'estimation des paramètres d'intérêts nommé JIRAFE.Ces travaux d'ordre méthodologique ont eu des applications dans le contexte de l'analyse spectrale multidimensionelle et des systèmes de télécommunications à relais. / Massive and heterogeneous data processing and analysis have been clearly identified by the scientific community as key problems in several application areas. It was popularized under the generic terms of "data science" or "big data". Processing large volumes of data, extracting their hidden patterns, while preforming prediction and inference tasks has become crucial in economy, industry and science.Treating independently each set of measured data is clearly a reductiveapproach. By doing that, "hidden relationships" or inter-correlations between thedatasets may be totally missed. Tensor decompositions have received a particular attention recently due to their capability to handle a variety of mining tasks applied to massive datasets, being a pertinent framework taking into account the heterogeneity and multi-modality of the data. In this case, data can be arranged as a D-dimensional array, also referred to as a D-order tensor.In this context, the purpose of this work is that the following properties are present: (i) having a stable factorization algorithms (not suffering from convergence problems), (ii) having a low storage cost (i.e., the number of free parameters must be linear in D), and (iii) having a formalism in the form of a graph allowing a simple but rigorous mental visualization of tensor decompositions of tensors of high order, i.e., for D> 3.Therefore, we rely on the tensor train decomposition (TT) to develop new TT factorization algorithms, and new equivalences in terms of tensor modeling, allowing a new strategy of dimensionality reduction and criterion optimization of coupled least squares for the estimation of parameters named JIRAFE.This methodological work has had applications in the context of multidimensional spectral analysis and relay telecommunications systems.