Neutrino oscillations, the baryon asymmetry and dark matter are important evidences of new physics beyond the Standard Model. Neutrino oscillations imply neutrino masses and a lepton mixing matrix that can contribute to flavour violating processes and CP violation at low energies, accessible to next experiments, and to the CP violation necessary for baryogenesis. Among the most interesting implications, is flavour violation in the lepton sector, but it has only been observed in neutrino oscillations. By analogy with quarks, it is then possible to deduce a principle of minimal flavour violation for leptons. Since such formulation is not straightforward in the lepton sector, we discuss dierent possibilities. Then we propose a definition which could be applied to various models and could help us in selecting between the possible neutrino mass generating mechanisms. Furthermore, if the seesaw mechanism describes neutrino masses, we can have a natural explanation to the baryon asymmetry of the universe with leptogenesis. In the context of leptogenesis including flavour effects, we demonstrate that the baryon asymmetry of the universe is insensitive to the low energy CP violating phases. This study is performed in the minimal extension of the Standard Model, with the introduction of 3 right-handed neutrinos and type-1 seesaw, only, and it is extended, in a following study, to the supersymmetric case. Since the seesaw parameter space is quite large, the numerical study is developed with the Markov Chain Monte Carlo method. In relation to dark matter, we study a scenario with very weakly coupled candidates and their production through the decay of a charged long-lived scalar particle. We compute the scalar particle number density, evaluating its gauge interactions, and compare it with Big-Bang Nucleosynthesis bounds. Then, we apply our results to the Minimal Supersymmetric Standard Model scenario with axino or gravitino as Lightest Supersymmetric Particle and stau or stop as Next to Lightest Supersymmetric Particle.

L'analyse en composantes indépendantes (ACI) est une méthode d'analyse statistique qui consiste à exprimer les données observées (mélanges de sources) en une transformation linéaire de variables latentes (sources) supposées non gaussiennes et mutuellement indépendantes. Dans certaines applications, on suppose que les mélanges de sources peuvent être groupés de façon à ce que ceux appartenant au même groupe soient fonction des mêmes sources. Ceci implique que les coefficients de chacune des colonnes de la matrice de mélange peuvent être regroupés selon ces mêmes groupes et que tous les coefficients de certains de ces groupes soient nuls. En d'autres mots, on suppose que la matrice de mélange est éparse par groupe. Cette hypothèse facilite l'interprétation et améliore la précision du modèle d'ACI. Dans cette optique, nous proposons de résoudre le problème d'ACI avec une matrice de mélange éparse par groupe à l'aide d'une méthode basée sur le LASSO par groupe adaptatif, lequel pénalise la norme 1 des groupes de coefficients avec des poids adaptatifs. Dans ce mémoire, nous soulignons l'utilité de notre méthode lors d'applications en imagerie cérébrale, plus précisément en imagerie par résonance magnétique. Lors de simulations, nous illustrons par un exemple l'efficacité de notre méthode à réduire vers zéro les groupes de coefficients non-significatifs au sein de la matrice de mélange. Nous montrons aussi que la précision de la méthode proposée est supérieure à celle de l'estimateur du maximum de la vraisemblance pénalisée par le LASSO adaptatif dans le cas où la matrice de mélange est éparse par groupe. / Independent component analysis (ICA) is a method of statistical analysis where the main goal is to express the observed data (mixtures) in a linear transformation of latent variables (sources) believed to be non-Gaussian and mutually independent. In some applications, the mixtures can be grouped so that the mixtures belonging to the same group are function of the same sources. This implies that the coefficients of each column of the mixing matrix can be grouped according to these same groups and that all the coefficients of some of these groups are zero. In other words, we suppose that the mixing matrix is sparse per group. This assumption facilitates the interpretation and improves the accuracy of the ICA model. In this context, we propose to solve the problem of ICA with a sparse group mixing matrix by a method based on the adaptive group LASSO. The latter penalizes the 1-norm of the groups of coefficients with adaptive weights. In this thesis, we point out the utility of our method in applications in brain imaging, specifically in magnetic resonance imaging. Through simulations, we illustrate with an example the effectiveness of our method to reduce to zero the non-significant groups of coefficients within the mixing matrix. We also show that the accuracy of the proposed method is greater than the one of the maximum likelihood estimator with an adaptive LASSO penalization in the case where the mixing matrix is sparse per group.

L'analyse en composantes indépendantes (ACI) est une méthode d'analyse statistique qui consiste à exprimer les données observées (mélanges de sources) en une transformation linéaire de variables latentes (sources) supposées non gaussiennes et mutuellement indépendantes. Dans certaines applications, on suppose que les mélanges de sources peuvent être groupés de façon à ce que ceux appartenant au même groupe soient fonction des mêmes sources. Ceci implique que les coefficients de chacune des colonnes de la matrice de mélange peuvent être regroupés selon ces mêmes groupes et que tous les coefficients de certains de ces groupes soient nuls. En d'autres mots, on suppose que la matrice de mélange est éparse par groupe. Cette hypothèse facilite l'interprétation et améliore la précision du modèle d'ACI. Dans cette optique, nous proposons de résoudre le problème d'ACI avec une matrice de mélange éparse par groupe à l'aide d'une méthode basée sur le LASSO par groupe adaptatif, lequel pénalise la norme 1 des groupes de coefficients avec des poids adaptatifs. Dans ce mémoire, nous soulignons l'utilité de notre méthode lors d'applications en imagerie cérébrale, plus précisément en imagerie par résonance magnétique. Lors de simulations, nous illustrons par un exemple l'efficacité de notre méthode à réduire vers zéro les groupes de coefficients non-significatifs au sein de la matrice de mélange. Nous montrons aussi que la précision de la méthode proposée est supérieure à celle de l'estimateur du maximum de la vraisemblance pénalisée par le LASSO adaptatif dans le cas où la matrice de mélange est éparse par groupe. / Independent component analysis (ICA) is a method of statistical analysis where the main goal is to express the observed data (mixtures) in a linear transformation of latent variables (sources) believed to be non-Gaussian and mutually independent. In some applications, the mixtures can be grouped so that the mixtures belonging to the same group are function of the same sources. This implies that the coefficients of each column of the mixing matrix can be grouped according to these same groups and that all the coefficients of some of these groups are zero. In other words, we suppose that the mixing matrix is sparse per group. This assumption facilitates the interpretation and improves the accuracy of the ICA model. In this context, we propose to solve the problem of ICA with a sparse group mixing matrix by a method based on the adaptive group LASSO. The latter penalizes the 1-norm of the groups of coefficients with adaptive weights. In this thesis, we point out the utility of our method in applications in brain imaging, specifically in magnetic resonance imaging. Through simulations, we illustrate with an example the effectiveness of our method to reduce to zero the non-significant groups of coefficients within the mixing matrix. We also show that the accuracy of the proposed method is greater than the one of the maximum likelihood estimator with an adaptive LASSO penalization in the case where the mixing matrix is sparse per group.

L’étude de la décroissance β est un outil fantastique pour approfondir notreconnaissance de l’interaction faible décrite par le Modèle Standard. Ce modèle et laphysique au-delà peuvent être testés par des mesures précises de paramètres caractérisantces décroissances. Parmi ces tests, la vérification de l’hypothèse de la conservation ducourant vectoriel (CVC) et de l’unitarité de la matrice de mélange des quarks de Cabibbo-Kobayashi-Maskawa (CKM) sont d’un grand intérêt. Pour cela, les paramètres caractérisantles transitions β doivent être déterminés très précisément. Les meilleures précisions ont étéobtenues pour les transitions super-permises de Fermi de type 0+ → 0+. Cependant, il existed’autres types de décroissances pour réaliser ces tests, par exemple, les décroissances βmiroir. À ce jour, elles ne permettent pas d’atteindre les précisions obtenues avec lestransitions de type 0+ → 0+. Pour améliorer cela, de nouvelles mesures très précises desparamètres expérimentaux caractérisant ces transitions, comme la demi-vie et le rapportd’embranchement, sont nécessaires. C’est pourquoi une expérience a été réalisée àl’université de Jyväskylä en Finlande, afin d’étudier la décroissance β des noyaux miroir 23Mget 27Si et de mesurer ces paramètres. Les valeurs des demi-vies obtenues pour ces deuxnoyaux sont respectivement dix fois et sept fois plus précises que les moyennes de lalittérature. La valeur obtenue pour le rapport d’embranchement de 23Mg est trois fois plusprécise que la moyenne de la littérature, celui de 27Si étant déjà connu avec une très grandeprécision (0,02%), n’a pas été déterminé avec une meilleure précision. / Beta decays are a fantastic tool to study the weak interaction described by theStandard Model. This model and the physics beyond can be tested by precisemeasurements of nuclear β decays. Among these tests, the conserved vector current (CVC)hypothesis and the unitarity of the Cabibbo-Kobayashi-Maskawa (CKM) quark-mixing matrixare of great interest. For these, the parameters of β transitions must be precisely determined.The highest precisions have been obtained with superallowed 0+ → 0+ Fermi β decays.However, there are other possibilities to make these tests, for example mirror β decays. Fornow, they do not allow to achieve the precision of the 0+ → 0+ transitions. To improve this,new accurate measurements of experimental parameters characterizing these transitions,such as the half-life and the branching ratio, are needed. For this purpose, an experimenthas been carried out at the University of Jyväskylä to study the mirror β decays of 23Mg and27Si and to measure these parameters. The half-life values obtained for these two nuclei are,respectively, ten times and seven times more precise than the literature averages. The valueof the branching ratio obtained for 23Mg is three times more precise than the literatureaverage; the one of 27Si has not been improved as it is already precisely known (0.02%).