L'objet de cette thèse est de modéliser et analyser des problèmes d'optimisation stochastique et de proposer des méthodes de résolution pour ces problèmes.<br />Dans une première partie, on considère des problèmes d'allocation d'actifs se formulant comme des problèmes d'optimisation convexes. La fonction coût et les contraintes dépendent d'un paramètre multidimensionnel inconnu. On montre, sous l'hypothèse d'homogénéité temporelle locale pour le processus des rendements, que l'on peut construire des approximations du problème original se servant d'une estimation adaptative du paramètre inconnu. La précision du problème approché est fournie. Cette méthode a été appliquée sur les problèmes VaR et de Markowitz et l'on présente les résultats de simulations numériques sur des données réelles et simulées. On propose ensuite une analyse de sensibilité pour une classe de problèmes quadratiques dont on déduit une analyse de sensibilité du problème de Markowitz. Pour ce problème, on propose alors une calibration stable de la matrice de covariance et des contreparties robustes. <br />La deuxième partie porte sur l'analyse de problèmes de gestion de production et en particulier le problème de gestion de production électrique. Nous proposons de nouvelles modélisations pour ce problème et des moyens pour les mettre en oeuvre. L'un des modèles conduit à une résolution par décomposition par les prix. Dans ce cas, on montre comment calculer la fonction duale par programmation dynamique. On explique enfin comment dans chaque cas, une stratégie de gestion est mise en place. Les différentes méthodes de gestion sont comparées sur des données réelles et simulées.

Le but de cette thèse est d'étudier des différents sujets de la programmation semidéfinie non linéaire(SDP). Ainsi, dans les deux premiers chapitres nous presentons certains aspects algorithmiques, dans les chapitres 3 et 4 nous travaillons sur des aspects théoriques comme l'analyse de perturbations de ce problème. Le premier chapitre développe un algorithme global qui étend l'algorithme local S-SDP. Cet algorithme est basé sur une fonction de pénalisation de Han et une stratégie de recherche linéaire. Le second chapitre est consacré à l'étude des méthodes de pénalisation ou fonctions barrière pour résoudre des problèmes semidéfinis convexes. Nous démontrons la convergence des suites primale et duale obtenues par cette méthode. De plus, nous étudions l'algorithme à deux paramètres en étendant les résultats connus dans le cadre restreint de la programmation convexe usuelle. Dans une deuxième partie, constituée des chapitres 3 et 4, nous nous intéressons à la caractérisation de la propriété des solutions fortement régulières en fonction des certaines conditions optimales de deuxième ordre. Ainsi, dans le troisième chapitre nous nous consacrons au problème de second-ordre, lequel est un cas particulier du problème SDP, dont on obtient cette caractérisation. Enfin dans la chapitre 4, nous donnons des conditions nécessaires et suffisantes pour la condition de régularité forte dans le cas SDP, en revanche, sa caractérisation reste un problème ouvert.

Les gestionnaires des réseaux de transport d'électricité doivent adapter leurs outils d'aide à la décision aux avancées technologiques du XXIième siècle. Une opération sous-jacente à beaucoup d'outils est de calculer les flux en actif/réactif qui minimisent les pertes ou les coûts de production. Mathématiquement, il s'agit d'un problème d'optimisation qui peut être décrit en utilisant seulement l'addition et la multiplication de nombres complexes. L'objectif de cette thèse est de trouver des solutions globales. Un des aboutissements de ce projet doctoral hautement collaboratif est d'utiliser des résultats récents en géométrie algébrique pour calculer des flux optimaux dans le réseau Européen à haute tension. / Transmission system operators need to adapt their decision-making tools to the technological evolutions of the twenty first century. A computation inherent to most tools seeks to find alternating-current power flows that minimize power loss or generation cost. Mathematically, it consists in an optimization problem that can be described using only addition and multiplication of complex numbers. The objective of this thesis is to find global solutions, in other words the best solutions to the problem. One of the outcomes of this highly collaborative doctoral project is to use recent results from algebraic geometry to compute globally optimal power flows in the European high-voltage transmission network.