-

Nous utilisons la théorie moderne des processus empiriques indicés par des classes de fonctions afin d'établir la vitesse exacte de convergence presque sûre d'une large classe d'estimateurs par la méthode du noyau de la fonction de régression dont les estimateurs par lissage polynomial local. Ces résultats prennent la forme de lois limites uniformes du logarithme dans le prolongement des travaux de Deheuvels et Mason (2004) et permettent la construction de bornes de confiance asymptotiquement optimales. La démonstration s'appuie principalement sur une inégalité exponentielle pour la déviation par rapport à l'espérance de la norme du supremum du processus empirique indexé par des classes de fonctions à nombre de recouvrement uniformément polynomial. Nous présentons également une loi limite uniforme du logarithme dans un cadre semi-paramétrique concernant l'estimateur du maximum de vraisemblance local lorsque la loi conditionnelle est paramétrée par une fonction.

L'objectif de cette thèse est d'obtenir une démonstration effective d'un résultat de Cohen, Shiga et Wolfart, généralisant aux espaces de Siegel $\mathfrak{H}_{g}$ de degré $g$ quelconque le théorème classique de Schneider sur l'invariant modulaire $j(\tau)$. Un premier pas dans cette direction consiste, étant donnée une variété abélienne $\mathcal{A}$ définie sur $\overline{\mathbb{Q}}$ et paramétrée par un point $\tau$ de l'espace de Siegel, à minorer $|||\tau-\beta|||$ où $\beta$ est un point algébrique de l'espace de Siegel, en fonction des données géométriques du problème. C'est ce qui est réalisé ici, en affinant des outils d'indépendance linéaire de logarithmes de la méthode de Gel'fond-Baker.

Nous appelons accroissements généralisés du processus empirique l'estimateur à noyau de la densité centré sur R^d pour lequel le noyau varie dans une classe de fonctions G. Ceci définit des processus stochastiques indéxés par G. Nous étudions le comportement limite de ces trajectoires aléatoires en considérant une suite de taille de fenêtre h_n qui tend vers 0. Nous donnons des résultats limites fonctionnels lorsque h_n vérifie les conditions de Csörgö-Révész-Stute, puis lorsque h_n vérifie les conditions d'Erdös-Renyi. Nous étudions également quelques comportements au second ordre dans les lois limites fonctionnelles standard du logarithme itéré pour le processus empirique uniforme local.

Dans cette thèse nous examinons en détail le problème du logarithme discret dans les corps finis. Dans la première partie, nous nous intéressons à la notion de friabilité et à l'algorithme ECM, le plus rapide test de friabilité connu. Nous présentons une amélioration de l'algorithme en analysant les propriétés galoisiennes des polynômes de division. Nous continuons la présentation par une application d'ECM dans la dernière étape du crible algébrique (NFS). Dans la deuxième partie, nous présentons NFS et son algorithme correspondant utilisant les corps de fonctions (FFS). Parmi les améliorations examinées, nous montrons qu'on peut accélérer le calcul de logarithme discret au prix d'un pré-calcul commun pour une plage de premiers ayant le même nombre de bits. Nous nous concentrons ensuite sur la phase de sélection polynomiale de FFS et nous montrons comment comparer des polynômes quelconques à l'aide d'une unique fonction. Nous concluons la deuxième partie avec un algorithme issu des récentes améliorations du calcul de logarithme discret. Le fait marquant est la création d'une procédure de descente qui a un nombre quasi-polynomial de nœuds, chacun exigeant un temps polynomial. Cela a conduit à un algorithme quasi-polynomial pour les corps finis de petite caractéristique.

L’étude du comportement trajectoriel des champs/processus stochastiques est un sujet de recherche classique en théorie des probabilités et dans des domaines connexes comme la géométrie fractale. Dans cet objectif, plusieurs méthodes ont été développées depuis longtemps afin d’étudier le comportement des trajectoires de champs/processus gaussiens. Ces méthodes reposent souvent sur une structure hilbertienne « sympathique », et peuvent aussi nécessiter la finitude de moments d’ordre élevé. Ainsi, elles sont difficilement transposables dans des cadres de lois à queue lourde. Ces dernières sont importantes en probabilités et en statistique parce qu’elles constituent une contrepartie naturelle des lois gaussiennes. Dans le cas de certains champs/processus stables linéaires de type moyenne mobile non anticipative, tels que le drap fractionnaire stable linéaire et le mouvement multifractionnaire stable linéaire, des méthodes d’ondelettes, assez nouvelles, se sont déjà avérées fructueuses dans l’étude du comportement trajectoriel. Peut-on adapter cette méthodologie à certains champs/processus stables harmonisables ? Donner une réponse à cette question est un problème assez délicat car, de façon générale, de grandes différences séparent le cadre stable harmonisable de celui de type moyenne mobile. Le principal objectif de la thèse est d’étudier cette question dans le cadre d’un champ stable harmonisable symétrique à accroissement stationnaire de forme générale. / Studying sample path behaviour of stochastic fields/processes is a classical research topic in probability theory and related areas such as fractal geometry. To this end, many methods have been developed for a long time in order to study sample path behaviour of Gaussian fields/processes. They often rely on some underlying "nice" Hilbertian structure, and can also require finiteness of moments of high order. Therefore, they can hardly be transposed to frames of heavy-tailed stable probability distributions. Such distributions are very important in probability and statistics because they are a natural counterpart to the Gaussian ones. In the case of some linear non-anticipative moving average stable fields/processes, such as the linear fractional stable sheet and the linear multifractional stable motion, rather new wavelet methods have already proved to be successful in studying sample path behaviour. Can this methodology be adapted to some harmonizable stable fields/processes? Providing an answer to this question is a non trivial problem, since, generally speaking, there are large differences between an harmonizable stable setting and a moving average one. The main goal of the thesis is to study this issue in the case of a stationary increments symmetric stable harmonizable field of a general form.

Cette thèse s'inscrit dans la lignée des travaux relatifs à la théorie des formes linéaires de logarithmes. Elle comporte deux parties ainsi que trois annexes. Dans la première partie, nous nous intéressons au cas général d'un groupe algébrique commutatif quelconque, défini sur la clôture algébrique de Q. Étant donné un tel groupe G, un hyperplan W de l'espace tangent à l'origine de G et $u$ un point complexe de cet espace tangent, dont l'image par l'exponentielle du groupe de Lie complexe G(C) est algébrique, nous obtenons une minoration de la distance de u à W, qui améliore les résultats connus auparavant et qui, en particulier, est optimale en la hauteur de l'hyperplan W. La démonstration repose sur la méthode de Baker ainsi que sur un nouvel argument de nature arithmétique (procédé de changement de variables de Chudnovsky) qui nous permet d'évaluer précisément les normes ultramétriques des nombres algébriques construits au cours de la preuve. Dans la seconde partie, nous étudions plus en détail le < non-homogène>> (dans lequel le groupe G est le produit direct du groupe $\mathbb{G}_{\mathrm{a}}$ et d'une variété abélienne) et nous établissons une nouvelle mesure, comparable à celle donnée dans la première partie mais totalement explicite en les invariants liés à la variété abélienne. La particularité de cette seconde partie est de mettre en oeuvre, pour la première fois dans ce contexte, la méthode des pentes de J.-B. Bost et certains résultats de géométrie d'Arakelov qui lui sont attachés.

L'étude algorithmique des courbes hyperelliptiques est la suite naturelle de celle des courbes elliptiques qui est maintenant bien avancée. La plupart des algorithmes connus pour les courbes elliptiques ainsi que leurs applications à la cryptographie peuvent être étendus plus ou moins facilement aux Jacobiennes de courbes hyperelliptiques. Dans une première partie, nous étudions certains aspects des invariants d'Igusa, qui généralisent le j-invariant d'une courbe elliptique. Pour les Jacobiennes (2,2)-décomposables, nous relions les invariants d'Igusa aux j-invariants des courbes elliptiques quotients par des formules explicites. Par ailleurs nous étudions ces invariants sous l'angle des formes modulaires de Siegel dans le but de calculer des équations modulaires. La deuxième partie est consacrée à des algorithmes de calcul de cardinalité d'une courbe hyperelliptique sur un corps fini. Ce calcul est une étape nécessaire lorsque l'on désire mettre en oeuvre un cryptosystème hyperelliptique. Hormis les algorithmes génériques qui peuvent s'appliquer à des groupes autres que des Jacobiennes, nous proposons une version effective des algorithmes à la Schoof en genre 2. Nous présentons aussi un premier pas vers des améliorations du type Elkies-Atkin, qui ont fait leur preuve dans le cas des courbes elliptiques. La troisième partie traite d'algorithmes de calcul de logarithme discret. Ce problème, réputé difficile, est la clef de voûte des cryptosystèmes: si l'on sait le résoudre en temps raisonnable, le système est fragile. Après un bref état de l'art, nous présentons des algorithmes utilisant les idées classiques de calcul d'index. En tirant parti des spécificités des problèmes provenant de la cryptographie, nous démontrons par des résultats de complexité ainsi que des expériences pratiques que les systèmes à base de courbes de genre supérieur ou égal à 4 ne sont pas sûrs. De plus, combiné avec les techniques de descente de Weil, ceci permet d'attaquer certains cryptosystèmes elliptiques.

Les processus de Markov auto-similaires apparaissent souvent dans diverses parties de la théorie de probabilités comme limites de processus normalisés. La propriété de Markov ajoutée à l'auto-similarité fournit des propriétés très intéressantes comme l'avait remarqué Lamperti. La première partie de cette thèse est consacrée à l'étude de l'enveloppe inférieure et supérieure au moyen de test intégraux et de lois du logarithme itéré pour une classe suffisamment grandes des processus de Markov auto-similaires positifs et quelques processus associés, comme le minimum futur et le processus de Markov auto-similaire positif réflechi en son minimum futur. La seconde partie concernent à l'étude des forêt de Lévy stables conditionnés par leur taille et leur masse. En particulier, un principe d'invariance est établi pour la forêt de Galton-Watson conditionnée par leur taille et leur masse.

Les modèles de régression paramétrique fournissent de puissants outils pour la modélisation des données lorsque celles-ci s’y prêtent bien. Cependant, ces modèles peuvent être la source d’importants biais lorsqu’ils ne sont pas adéquats. Pour éliminer ces biais de modélisation, des méthodes non paramétriques ont été introduites permettant aux données elles mêmes de construire le modèle. Ces méthodes présentent, dans le cas multivarié, un handicap connu sous l’appellation de fléau de la dimension où la vitesse de convergence des estimateurs est une fonction décroissante de la dimension des covariables. L’idée est alors de combiner une partie linéaire avec une partie non-linéaire, ce qui aurait comme effet de réduire l’impact du fléau de la dimension. Néanmoins l’estimation non-paramétrique de la partie non-linéaire, lorsque celle-ci est multivariée, est soumise à la même contrainte de détérioration de sa vitesse de convergence. Pour pallier ce problème, la réponse adéquate est l’introduction d’une structure additive de la partie non-linéaire de son estimation par des méthodes appropriées. Cela permet alors de définir des modèles de régression partièllement linéaires et additifs. L’objet de la thèse est d’établir des résultats asymptotiques relatifs aux divers paramètres de ce modèle (consistance, vitesses de convergence, normalité asymptotique et loi du logarithme itéré) et de construire aussi des tests d’hypothèses relatives à la structure du modèle, comme l’additivité de la partie non-linéaire, et à ses paramètres. / Parametric regression models provide powerful tools for analyzing practical data when the models are correctly specified, but may suffer from large modelling biases when structures of the models are misspecified. As an alternative, nonparametric smoothing methods eases the concerns on modelling biases. However, nonparametric models are hampered by the so-called curse of dimensionality in multivariate settings. One of the methods for attenuating this difficulty is to model covariate effects via a partially linear structure, a combination of linear and nonlinear parts. To reduce the dimension impact in the estimation of the nonlinear part of the partially linear regression model, we introduce an additive structure of this part which induces, finally, a partially linear additive model. Our aim in this work is to establish some limit results pertaining to various parameters of the model (consistency, rate of convergence, asymptotic normality and iterated logarithm law) and to construct some hypotheses testing procedures related to the model structure, as the additivity of the nonlinear part, and to its parameters.