Cette thèse porte sur l'étude des dépendance entre risques, à l'aide des copules. La prise en compte des dépendances qui peuvent exister entre risques est devenue cruciale pour les gestionnaires de risques, et les enjeux peuvent être colossaux (risque de contagion – et de faillites en chaîne - au sein d'un portefeuille d'obligations risquées, ou corrélations entre risques extrêmes en réassurance – ou plusieurs risques a priori indépendants sont affectés lorsqu'une catastrophe survient). Une meilleure connaissance des structures de dépendance est alors fondamentale afin de proposer une modélisation adéquate. Aussi, l'accent est mis, dans cette thèse, sur la déformation des copules en fonction du temps, ou dans les queues de distribution.<br /><br />La première partie est consacrée à la déformation temporelle des copules, dans un contexte de risque de crédit. En introduisant les copules conditionnelles, il est ainsi possible d'étudier la dépendance entre les durées de vie avant le défaut d'un émetteur, sachant qu'aucun défaut n'a été observé pendant une période de temps donnée. Des théorèmes de point fixe permettent d'obtenir des comportement limites, et d'obtenir des résultats sur les first-to-default, par exemple.<br /><br />Les chapitres suivant traitent de l'utilisation des copules conditionnelles dans la modélisation des risques extrêmes. La théorie des extrêmes dans un cadre multivarié a été faite traditionnellement en modélisant les maximas par composantes. Mais l'étude par dépassement de seuil joint offre une richesse beaucoup plus grande. En particulier, l'étude dans la queue supérieure et inférieure est présentée dans le cas des copules Archimédiennes, en insistant sur les caractérisations des cas d'indépendance asymptotique, d'ordinaire si difficile à appréhender.<br /><br />La dernière partie aborde l'estimation nonparamétrique des densités de copules, où des estimateurs à noyaux sont étudiés, permettant d'éviter des effets de bords traditionnellement inévitable lorsque l'on estime une densité à support compact. En particulier, les techniques sont utilisées pour estimer correctement la densité dans les queues de distributions, y compris avec des données censurées.<br /><br />Enfin, une bijgevoegde stelling conclue cette thèse sur l'étude de la dépendance temporelle pour les risques climatiques. Des modèles à mémoire longue sont ainsi utilisé pour modéliser le risque de tempête et estimer la période de retour de la canicule d'août 2003. Et enfin, des modèles haute-fréquences (proches de ceux utilisé en finance pour modéliser les prix de titres transaction par transaction) sont utilisés pour modéliser des données hydrologiques, et proposer de nouvelles estimations pour le risque de crue.

Les muons atmosphériques sont des particules élémentaires créées lors de l’interaction des rayons cosmiques de haute énergie avec les atomes de la haute atmosphère. Leur capacité à traverser de grandes quantités de matière et leur abondance au niveau du sol permet d’utiliser leur flux comme support à la radiographie de grands objets. Cette technique, la muographie, possède notamment comme sujet d’application possible l’étude de volcans. La collaboration Tomuvol, au sein de laquelle cette thèse s’est déroulée, vise à mettre au point un détecteur et les techniques d’analyse permettant la réalisation d’une telle mesure avec comme sujet d’étude un volcan auvergnat : le Puy de Dôme. Ce manuscrit présente les contributions à ce travail du point de vue instrumental tout d’abord, avec la calibration et l’optimisation des performances des chambres GRPC utilisées pour la mesure. Les performances du détecteur lors des diverses campagnes de prise de données qui se sont déroulées au pied du Puy de Dôme sont également résumées. Dans une deuxième partie, l’accent est porté sur l’analyse physique des données obtenues avec, dans un premier temps, la description des travaux de simulation Monte-Carlo mis en œuvre avec le logiciel GEANT4. Puis, une technique d’estimation du flux transmis de muons atmosphériques à l’aide d’une méthode de type noyaux est présentée, et la carte de densité estimée du Puy de Dôme qui en découle est comparée aux résultats issus de techniques géophysiques. / Atmospheric muons are elementary particles originating from the interaction of high energy cosmic rays with atoms in the upper atmosphere. Their ability to travel through a large amount of matter and their abundance at ground level allows for their flux to be used as a probe for the radiography of big objects. This technique, muography, can in particular be of interest for the study of volcanoes. The Tomuvol collaboration, within which this thesis took place, aims at developing a detector and analysis techniques allowing to perform such a measurment, using a volcano from Auvergne as a case study : the Puy de Dôme. This document describes the author’s contributions to this work, focusing on the intrumentation aspect first, with the calibration and optimisation of the GRPC chambers used to perform the measurment. The performances of the detector during the various campaigns of data acquisition at the base of the Puy de Dôme are also sumed up. A second part is dedicated to the physical analysis of the data with, firstly, the description of the Monte-Carlo simulations that were developed using the GEANT4 software. Then, a kernel-like estimation method of the transmitted flux of atmospheric muons is described, and the density map of the Puy de Dôme thus obtained is compared to results coming from geophysical techniques.

Ce travail s’inscrit dans une tentative de liaison entre la communauté classique de la Vision par ordinateur et la communauté du traitement d’images de documents, analyse être connaissance (DAR). Plus particulièrement, nous abordons la question des détecteurs de points d’intérêts et des descripteurs locaux dans une image. Ceux-ci ayant été conçus pour des images issues du monde réel, ils ne sont pas adaptés aux problématiques issues du document dont les images présentent des caractéristiques visuelles différentes.Notre approche se base sur la résolution du problème de la confusion entre les descripteurs,ceux-ci perdant leur pouvoir discriminant. Notre principale contribution est un algorithme de réduction de la confusion potentiellement présente dans un ensemble de vecteurs caractéristiques d’une même image, ceci par une approche probabiliste en filtrant les vecteurs fortement confusifs. Une telle conception nous permet d’appliquer des algorithmes d’extractions de descripteurs sans avoir à les modifier ce qui constitue une passerelle entre ces deux mondes. / This work tries to establish a bridge between the field of classical computer vision and document analysis and recognition. Specificaly, we tackle the issue of keypoints detection and associated local features computation in the image. These are not suitable for document images since they were designed for real-world images which have different visual characteristic. Our approach is based on resolving the issue of reducing the confusion between feature vectors since they usually lose their discriminant power with document images. Our main contribution is an algorithm reducing the confusion between local features by filtering the ones which present a high confusing risk. We are tackling this by using tools from probability theory. Such a method allows us to apply features extraction algorithms without having to modify them, thus establishing a bridge between these two worlds.