Cette thèse se compose de trois parties indépendantes, toutes en rapport avec les lois et processus stables. Dans un premier temps, nous établissons des théorèmes de convergence (principe d'invariance) vers des processus stables. Les objets considérés sont des fonctionnelles additives de carrés non intégrables d'une chaîne de Markov à temps discret. L'approche envisagée repose sur l'utilisation des coefficients de mélange pour les chaînes de Markov. Dans un second temps, nous obtenons des vitesses de convergence vers des lois stables dans le théorème central limite généralisé à l'aide des propriétés de la distance idéale de Zolotarev. La dernière partie est consacrée à l'étude des ordres stochastiques convexes ou inégalités de comparaison convexe entre des intégrales stochastiques dirigées par des processus stables. L'idée principale sur laquelle reposent les résultats consiste à adapter au contexte stable le calcul stochastique forward-backward. / This PhD Thesis is composed of three independent parts about stable laws and processes. In the first part, we establish convergence theorems (invariance principle) to stable processes, for additive functionals of a discrete time Markov chain that are not assumed to be square-integrable. The method is based on the use of mixing coefficients for Markov chains. In the second part, we obtain some rates of convergence to stable laws in the generalized central limit theorem by means of the Zolotarev ideal probability metric. The last part of the thesis is devoted to the study of convex ordering or convex comparison inequalities between stochastic integrals driven by stable processes. The main idea of our results is based on the forward-backward stochastic calculus for the stable case.

Le sujet principal de la thèse sont les systèmes de particules en interaction sur des graphes soit deterministes soit aléatoires. Les systèmes de particules en interaction sont des processus de Markov qui décrivent l'évolution de particules indistingables en interaction forte les unes avec les autres qui sont utilisés pour modéliser des phénomènes d'épidémies, de dynamiques des populations ou des processus chimiques. Dans la première partie de la thèse nous avons analysé l'ordre stochastique et l'attractivité dans une classe de systèmes de particules avec des naissances, des morts et des sauts de plus d'une particule à la fois qui dépendent de la conguration de manière très générale: nous avons utilisé l'attractivité pour obtenir des resultats d'ergodicité pour des modèles d'epidemie et pour construire des mesures invariantes non-triviales pour des modèles de dinamiques de métapopulations. Dans la deuxième partie de la thèse nous avons analysé les marches aléatoires coalescentes sur des graphes aléatoires, les graphes small world. Nous avons montré que le nombre de particules d'un processus de n marches aléatoires coalescentes renormalisées qui partent d'une ensemble particulier sur le small world converge vers un processus coalescent de Kingman. Nous avons aussi obtenu des resultats detaillés sur le temps de rencontre de deux particules sur le small world.

Cette thèse de doctorat fait quelques liens entre la théorie de l'intégration non-additive et les notions d'ordre stochastique et de mesure du risque utilisées en finance et en assurance. Nous faisons un usage extensif des fonctions d'ensembles monotones normalisées, appelées également capacités, ou encore probabilités non-additives, ainsi que des intégrales qui leur sont associées, appelées intégrales de Choquet. Dans le premier chapitre, nous établissons une généralisation des inégalités de Hardy-Littlewood au cas d'une capacité. Nous y faisons également quelques compléments sur les fonctions quantiles par rapport à une capacité. Dans le deuxième chapitre, nous généralisons la notion de dominance stochastique croissante convexe au cas d'une capacité, et nous résolvons un problème d'optimisation dont la contrainte est donnée en termes de cette relation généralisée. Dans le troisième chapitre, nous nous intéressons à la généralisation de la notion de dominance stochastique croissante. Nous étudions également les classes de mesures du risque satisfaisant aux propriétés d'additivité comonotone et de consistance par rapport à l'une des relations de dominance stochastique "généralisées" précédemment considérées. Nous caractérisons ces mesures du risque en termes d'intégrales de Choquet par rapport à une "distorsion" de la capacité initiale. Le quatrième chapitre est consacré à des mesures du risque admettant une représentation "robuste" en termes de maxima (sur un ensemble de fonctions de distorsion) d'intégrales de Choquet par rapport à des capacités distordues.

En finance, le risque de modèle est le risque de pertes financières résultant de l'utilisation de modèles. Il s'agit d'un risque complexe à appréhender qui recouvre plusieurs situations très différentes, et tout particulièrement le risque d'estimation (on utilise en général dans un modèle un paramètre estimé) et le risque d'erreur de spécification de modèle (qui consiste à utiliser un modèle inadéquat). Cette thèse s'intéresse d'une part à la quantification du risque de modèle dans la construction de courbes de taux ou de crédit et d'autre part à l'étude de la compatibilité des indices de Sobol avec la théorie des ordres stochastiques. Elle est divisée en trois chapitres. Le Chapitre 1 s'intéresse à l'étude du risque de modèle dans la construction de courbes de taux ou de crédit. Nous analysons en particulier l'incertitude associée à la construction de courbes de taux ou de crédit. Dans ce contexte, nous avons obtenus des bornes de non-arbitrage associées à des courbes de taux ou de défaut implicite parfaitement compatibles avec les cotations des produits de référence associés. Dans le Chapitre 2 de la thèse, nous faisons le lien entre l'analyse de sensibilité globale et la théorie des ordres stochastiques. Nous analysons en particulier comment les indices de Sobol se transforment suite à une augmentation de l'incertitude d'un paramètre au sens de l'ordre stochastique dispersif ou excess wealth. Le Chapitre 3 de la thèse s'intéresse à l'indice de contraste quantile. Nous faisons d'une part le lien entre cet indice et la mesure de risque CTE puis nous analysons, d'autre part, dans quelles mesures une augmentation de l'incertitude d'un paramètre au sens de l'ordre stochastique dispersif ou excess wealth entraine une augmentation de l'indice de contraste quantile. Nous proposons enfin une méthode d'estimation de cet indice. Nous montrons, sous des hypothèses adéquates, que l'estimateur que nous proposons est consistant et asymptotiquement normal / In finance, model risk is the risk of loss resulting from using models. It is a complex risk which recover many different situations, and especially estimation risk and risk of model misspecification. This thesis focuses: on model risk inherent in yield and credit curve construction methods and the analysis of the consistency of Sobol indices with respect to stochastic ordering of model parameters. it is divided into three chapters. Chapter 1 focuses on model risk embedded in yield and credit curve construction methods. We analyse in particular the uncertainty associated to the construction of yield curves or credit curves. In this context, we derive arbitrage-free bounds for discount factor and survival probability at the most liquid maturities. In Chapter 2 of this thesis, we quantify the impact of parameter risk through global sensitivity analysis and stochastic orders theory. We analyse in particular how Sobol indices are transformed further to an increase of parameter uncertainty with respect to the dispersive or excess wealth orders. Chapter 3 of the thesis focuses on contrast quantile index. We link this latter with the risk measure CTE and then we analyse on the other side, in which circumstances an increase of a parameter uncertainty in the sense of dispersive or excess wealth orders implies and increase of contrast quantile index. We propose finally an estimation procedure for this index. We prove under some conditions that our estimator is consistent and asymptotically normal