Cette thèse est composée de deux parties indépendantes : la première partie traite des équations différentielles stochastiques dans le cadre de la G-espérance, tandis que la deuxième partie présente les résultats obtenus pour les équations différentielles stochastiques du seconde ordre. Dans un premier temps, on considère les intégrales stochastiques par rapport à un processus croissant, et on donne une extension de la formule d'Itô dans le cadre de la G-espérance. Ensuite, on étudie une classe d'équations différentielles stochastiques réfléchies unidimensionnelles dirigées par un G-mouvement brownien. Dans la suite, en utilisant une méthode de localisation, on prouve l'existence et l'unicité de solutions pour les équations différentielles stochastiques dirigées par un G-mouvement brownien, dont les coefficients sont localement lipschitziens. Enfin, dans le même cadre, on discute des problèmes de réflexion multidimensionnelle et on fournit quelques résultats de convergence. Dans un deuxième temps, on étudie une classe d'équations différentielles stochastiques rétrogrades du seconde ordre à croissance quadratique. Le but de ce travail est de généraliser le résultat obtenu par Possamaï et Zhou en 2012. On montre aussi l'existence et l'unicité des solutions pour ces équations, mais sous des hypothèses plus faibles. De plus, ce résultat théorique est appliqué aux problèmes de maximisation robuste de l'utilité du portefeuille en finance. / This thesis consists of two relatively independent parts : the first part concerns stochastic differential equations in the framework of the G-expectation, while the second part deals with a class of second order backward stochastic differential equations. In the first part, we first consider stochastic integrals with respect to an increasing process and give an extension of Itô's formula in the G-framework. Then, we study a class of scalar valued reflected stochastic differential equations driven by G-Brownian motion. Subsequently, we prove the existence and the uniqueness of solutions for some locally Lipschitz stochastic differential equations driven by G-Brownian motion. At the end of this part, we consider multidimensional reflected problems in the G-framework, and some convergence results are obtained. In the second part, we study the wellposedness of a class of second order backward stochastic differential equations (2BSDEs) under a quadratic growth condition on their coefficients. The aim of this part is to generalize a wellposedness result for quadratic 2BSDEs by Possamaï and Zhou in 2012. In this thesis, we work under some usual assumptions and deduce the existence and uniqueness theorem as well. Moreover, this theoretical result for quadratic 2BSDEs is applied to solve some robust utility maximization problems in finance.

L'objectif de cette thèse est l'étude de la représentation probabiliste des différentes classes d'EDPSs non-linéaires(semi-linéaires, complètement non-linéaires, réfléchies dans un domaine) en utilisant les équations différentielles doublement stochastiques rétrogrades (EDDSRs). Cette thèse contient quatre parties différentes. Nous traitons dans la première partie les EDDSRs du second ordre (2EDDSRs). Nous montrons l'existence et l'unicité des solutions des EDDSRs en utilisant des techniques de contrôle stochastique quasi- sure. La motivation principale de cette étude est la représentation probabiliste des EDPSs complètement non-linéaires. Dans la deuxième partie, nous étudions les solutions faibles de type Sobolev du problème d'obstacle pour les équations à dérivées partielles inteégro-différentielles (EDPIDs). Plus précisément, nous montrons la formule de Feynman-Kac pour l'EDPIDs par l'intermédiaire des équations différentielles stochastiques rétrogrades réfléchies avec sauts (EDSRRs). Plus précisément, nous établissons l'existence et l'unicité de la solution du problème d'obstacle, qui est considérée comme un couple constitué de la solution et de la mesure de réflexion. L'approche utilisée est basée sur les techniques de flots stochastiques développées dans Bally et Matoussi (2001) mais les preuves sont beaucoup plus techniques. Dans la troisième partie, nous traitons l'existence et l'unicité pour les EDDSRRs dans un domaine convexe D sans aucune condition de régularité sur la frontière. De plus, en utilisant l'approche basée sur les techniques du flot stochastiques nous démontrons l'interprétation probabiliste de la solution faible de type Sobolev d'une classe d'EDPSs réfléchies dans un domaine convexe via les EDDSRRs. Enfin, nous nous intéressons à la résolution numérique des EDDSRs à temps terminal aléatoire. La motivation principale est de donner une représentation probabiliste des solutions de Sobolev d'EDPSs semi-linéaires avec condition de Dirichlet nul au bord. Dans cette partie, nous étudions l'approximation forte de cette classe d'EDDSRs quand le temps terminal aléatoire est le premier temps de sortie d'une EDS d'un domaine cylindrique. Ainsi, nous donnons les bornes pour l'erreur d'approximation en temps discret. Cette partie se conclut par des tests numériques qui démontrent que cette approche est effective. / The objective of this thesis is to study the probabilistic representation (Feynman-Kac for- mula) of different classes ofStochastic Nonlinear PDEs (semilinear, fully nonlinear, reflected in a domain) by means of backward doubly stochastic differential equations (BDSDEs). This thesis contains four different parts. We deal in the first part with the second order BDS- DEs (2BDSDEs). We show the existence and uniqueness of solutions of 2BDSDEs using quasi sure stochastic control technics. The main motivation of this study is the probabilistic representation for solution of fully nonlinear SPDEs. First, under regularity assumptions on the coefficients, we give a Feynman-Kac formula for classical solution of fully nonlinear SPDEs and we generalize the work of Soner, Touzi and Zhang (2010-2012) for deterministic fully nonlinear PDE. Then, under weaker assumptions on the coefficients, we prove the probabilistic representation for stochastic viscosity solution of fully nonlinear SPDEs. In the second part, we study the Sobolev solution of obstacle problem for partial integro-differentialequations (PIDEs). Specifically, we show the Feynman-Kac formula for PIDEs via reflected backward stochastic differentialequations with jumps (BSDEs). Specifically, we establish the existence and uniqueness of the solution of the obstacle problem, which is regarded as a pair consisting of the solution and the measure of reflection. The approach is based on stochastic flow technics developed in Bally and Matoussi (2001) but the proofs are more technical. In the third part, we discuss the existence and uniqueness for RBDSDEs in a convex domain D without any regularity condition on the boundary. In addition, using the approach based on the technics of stochastic flow we provide the probabilistic interpretation of Sobolev solution of a class of reflected SPDEs in a convex domain via RBDSDEs. Finally, we are interested in the numerical solution of BDSDEs with random terminal time. The main motivation is to give a probabilistic representation of Sobolev solution of semilinear SPDEs with Dirichlet null condition. In this part, we study the strong approximation of this class of BDSDEs when the random terminal time is the first exit time of an SDE from a cylindrical domain. Thus, we give bounds for the discrete-time approximation error.. We conclude this part with numerical tests showing that this approach is effective.

The main motivation behind writing this thesis was to construct numerical methods to approximate solutions to differential equations driven by rough paths, where the solution is considered in the rough path-sense. Rough paths of inhomogeneous degree of smoothness as driving noise are considered. We also aimed to find applications of these numerical methods to stochastic differential equations. After sketching the core ideas of the Rough Paths Theory in Chapter 1, the versions of the core theorems corresponding to the inhomogeneous degree of smoothness case are stated and proved in Chapter 2 along with some auxiliary claims on the continuity of the solution in a certain sense, including an RDE-version of Gronwall's lemma. In Chapter 3, numerical schemes for approximating solutions to differential equations driven by rough paths of inhomogeneous degree of smoothness are constructed. We start with setting up some principles of approximations. Then a general class of local approximations is introduced. This class is used to construct global approximations by pasting together the local ones. A general sufficient condition on the local approximations implying global convergence is given and proved. The next step is to construct particular local approximations in finite dimensions based on solutions to ordinary differential equations derived locally and satisfying the sufficient condition for global convergence. These local approximations require strong conditions on the one-form defining the rough differential equation. Finally, we show that when the local ODE-based schemes are applied in combination with rough polynomial approximations, the conditions on the one-form can be weakened. In Chapter 4, the results of Gyurko & Lyons (2010) on path-wise approximation of solutions to stochastic differential equations are recalled and extended to the truncated signature level of the solution. Furthermore, some practical considerations related to the implementation of high order schemes are described. The effectiveness of the derived schemes is demonstrated on numerical examples. In Chapter 5, the background theory of the Kusuoka-Lyons-Victoir (KLV) family of weak approximations is recalled and linked to the results of Chapter 4. We highlight how the different versions of the KLV family are related. Finally, a numerical evaluation of the autonomous ODE-based versions of the family is carried out, focusing on SDEs in dimensions up to 4, using cubature formulas of different degrees and several high order numerical ODE solvers. We demonstrate the effectiveness and the occasional non-effectiveness of the numerical approximations in cases when the KLV family is used in its original version and also when used in combination with partial sampling methods (Monte-Carlo, TBBA) and Romberg extrapolation.

Ce travail étend nos connaissances des entropies libres et des équations différentielles stochastiques (EDS) libres dans trois directions. Dans un premier temps, nous montrons que l'algèbre de von Neumann engendrée par au moins deux autoadjoints ayant une information de Fisher finie n'a pas la propriété $Gamma$ de Murray et von Neumann. C'est un analogue d'un résultat de Voiculescu pour l'entropie microcanonique libre. Dans un second temps, nous étudions des EDS libres à coefficients opérateurs non-bornés (autrement dit des sortes d' EDP stochastiques libres ). Nous montrons la stationnarité des solutions dans des cas particuliers. Nous en déduisons un calcul de la dimension entropique libre microcanonique dans le cas d'une information de Fisher lipschitzienne. Dans un troisième et dernier temps, nous introduisons une méthode générale de résolutions d'EDS libres stationnaires, s'appuyant sur un analogue non-commutatif d'un espace de chemins. En définissant des états traciaux sur cet analogue, nous construisons des dilatations markoviennes de nombreux semigroupes complètement markoviens sur une algèbre de von Neumann finie, en particulier de tous les semigroupes symétriques. Pour des semigroupes particuliers, par exemple dès que le générateur s'écrit sous une forme divergence pour une dérivation à valeur dans la correspondance grossière, ces dilatations résolvent des EDS libres. Entre autres applications, nous en déduisons une inégalité de Talagrand pour l'entropie non-microcanonique libre (relative à une sous-algèbre et une application complètement positive). Nous utilisons aussi ces déformations dans le cadre des techniques de déformations/rigidité de Popa / This works extends our knowledge of free entropies, free Fisher information and free stochastic differential equations in three directions. First, we prove that if a $W^{*}$-probability space generated by more than 2 self-adjoints with finite non-microstates free Fisher information doesn't have property $Gamma$ of Murray and von Neumann (especially is not amenable). This is an analogue of a well-known result of Voiculescu for microstates free entropy. We also prove factoriality under finite non-microstates entropy. Second, we study a general free stochastic differential equation with unbounded coefficients (``stochastic PDE"), and prove stationarity of solutions in well-chosen cases. This leads to a computation of microstates free entropy dimension in case of Lipschitz conjugate variable. Finally, we introduce a non-commutative path space approach to solve general stationary free Stochastic differential equations. By defining tracial states on a non-commutative analogue of a path space, we construct Markov dilations for a class of conservative completely Markov semigroups on finite von Neumann algebras. This class includes all symmetric semigroups. For well chosen semigroups (for instance with generator any divergence form operator associated to a derivation valued in the coarse correspondence) those dilations give rise to stationary solutions of certain free SDEs. Among applications, we prove a non-commutative Talagrand inequality for non-microstate free entropy (relative to a subalgebra $B$ and a completely positive map $eta:Bto B$). We also use those new deformations in conjunction with Popa's deformation/rigidity techniques, to get absence of Cartan subalgebra results

In this thesis, we study the existence, uniqueness, and regularity of systems of degenerate linear stochastic integro-differential equations (SIDEs) of parabolic type with adapted coefficients in the whole space. We also investigate explicit and implicit finite difference schemes for SIDEs with non-degenerate diffusion. The class of equations we consider arise in non-linear filtering of semimartingales with jumps. In Chapter 2, we derive moment estimates and a strong limit theorem for space inverses of stochastic flows generated by Lévy driven stochastic differential equations (SDEs) with adapted coefficients in weighted Hölder norms using the Sobolev embedding theorem and the change of variable formula. As an application of some basic properties of flows of Weiner driven SDEs, we prove the existence and uniqueness of classical solutions of linear parabolic second order stochastic partial differential equations (SPDEs) by partitioning the time interval and passing to the limit. The methods we use allow us to improve on previously known results in the continuous case and to derive new ones in the jump case. Chapter 3 is dedicated to the proof of existence and uniqueness of classical solutions of degenerate SIDEs using the method of stochastic characteristics. More precisely, we use Feynman-Kac transformations, conditioning, and the interlacing of space inverses of stochastic flows generated by SDEs with jumps to construct solutions. In Chapter 4, we prove the existence and uniqueness of solutions of degenerate linear stochastic evolution equations driven by jump processes in a Hilbert scale using the variational framework of stochastic evolution equations and the method of vanishing viscosity. As an application, we establish the existence and uniqueness of solutions of degenerate linear stochastic integro-differential equations in the L2-Sobolev scale. Finite difference schemes for non-degenerate SIDEs are considered in Chapter 5. Specifically, we study the rate of convergence of an explicit and an implicit-explicit finite difference scheme for linear SIDEs and show that the rate is of order one in space and order one-half in time.

Cette thèse traite de quatre sujets en rapport avec les dynamiques non-réversibles. Chacun fait l'objet d'un chapitre qui peut être lu indépendamment.Le premier chapitre est une introduction générale présentant les problématiques et quelques résultats majeurs de physique statistique computationnelle.Le second chapitre concerne la résolution numérique d'équations aux dérivées partielles hypoelliptiques, c'est-à-dire faisant intervenir un opérateur différentiel inversible mais non coercif. Nous prouvons la consistance de la méthode de Galerkin ainsi que des taux de convergence pour l'erreur. L'analyse est également conduite dans le cas d'une formulation point-selle, qui s'avère être la plus adaptée dans les cas qui nous intéressent. Nous démontrons que nos hypothèses sont satisfaites dans un cas simple et vérifions numériquement nos prédictions théoriques sur cet exemple.Dans le troisième chapitre nous proposons une stratégie générale permettant de construire des variables de contrôle pour des dynamiques hors-équilibre. Cette méthode permet en particulier de réduire la variance des estimateurs de coefficient de transport par moyenne ergodique. Cette réduction de variance est quantifiée dans un régime perturbatif. La variable de contrôle repose sur la solution d'une équation aux dérivées partielles. Dans le cas de l'équation de Langevin cette équation est hypoelliptique, ce qui motive le chapitre précédent. La méthode proposée est testée numériquement sur trois exemples.Le quatrième chapitre est connecté au troisième puisqu'il utilise la même idée de variable de contrôle. Il s'agit d'estimer la mobilité d'une particule dans le régime sous-amorti, où la dynamique est proche d'être Hamiltonienne. Ce travail a été effectué en collaboration avec G. Pavliotis durant un séjour à l'Imperial College London.Le dernier chapitre traite des processus de Markov déterministes par morceaux, qui permettent l'échantillonnage de mesure en grande dimension. Nous prouvons la convergence exponentielle vers l'équilibre de plusieurs dynamiques de ce type sous un formalisme général incluant le processus de Zig-Zag (ZZP), l'échantillonneur à particule rebondissante (BPS) et la dynamique de Monte Carlo hybride randomisée (RHMC). La dépendances des bornes sur le taux de convergence que nous démontrons sont explicites par rapport aux paramètres du problème. Cela permet en particulier de contrôler la taille des intervalles de confiance pour des moyennes empiriques lorsque la dimension de l'espace des phases sous-jacent est grande. Ce travail a été fait en collaboration avec C. Andrieu, A. Durmus et N. Nüsken. / This thesis deals with four topics related to non-reversible dynamics. Each is the subject of a chapter which can be read independently. The first chapter is a general introduction presenting the problematics and some major results of computational statistical physics. The second chapter concerns the numerical resolution of hypoelliptic partial differential equations, i.e. involving an invertible but non-coercive differential operator. We prove the consistency of the Galerkin method as well as convergence rates for the error. The analysis is also carried out in the case of a saddle-point formulation, which is the most appropriate in the cases of interest to us. We demonstrate that our assumptions are met in a simple case and numerically check our theoretical predictions on this example. In the third chapter we propose a general strategy for constructing control variates for nonequilibrium dynamics. In particular, this method reduces the variance of transport coefficient estimators by ergodic mean. This variance reduction is quantified in a perturbative regime. The control variate is based on the solution of a partial differential equation. In the case of Langevin's equation this equation is hypoelliptic, which motivates the previous chapter. The proposed method is tested numerically on three examples. The fourth chapter is connected to the third since it uses the same idea of a control variate. The aim is to estimate the mobility of a particle in the underdamped regime, where the dynamics are close to being Hamiltonian. This work was done in collaboration with G. Pavliotis during a stay at Imperial College London. The last chapter deals with Piecewise Deterministic Markov Processes, which allow measure sampling in high-dimension. We prove the exponential convergence towards the equilibrium of several dynamics of this type under a general formalism including the Zig-Zag process (ZZP), the Bouncy Particle Sampler (BPS) and the Randomized Hybrid Monte Carlo (RHMC). The dependencies of the bounds on the convergence rate that we demonstrate are explicit with respect to the parameters of the problem. This allows in particular to control the size of the confidence intervals for empirical averages when the size of the underlying phase space is large. This work was done in collaboration with C. Andrieu, A. Durmus and N. Nüsken

La première partie de cette thèse est consacrée a l'estimation par maximum de vraisemblance dans les modèles mixtes a dynamique markovienne. Nous considérons plus précisément des modèles de Markov cachés a effets mixtes et des modèles de diffusion à effets mixtes. Dans le Chapitre 2, nous combinons l'algorithme de Baum-Welch a l'algorithme SAEM pour estimer les paramètres de population dans les modèles de Markov cachés à effets mixtes. Nous proposons également des procédures spéciques pour estimer les paramètres individuels et les séquences d'états cachés. Nous étudions les propriétés de cette nouvelle méthodologie sur des données simulées et l'appliquons sur des données réelles de nombres de crises d'épilepsie. Dans le Chapitre 3, nous proposons d'abord des modèles de diffusion à effets mixtes pour la pharmacocinétique de population. Nous en estimons les paramètres en combinant l'algorithme SAEM a un filtre de Kalman étendu. Nous étudions ensuite les propriétés asymptotiques de l'estimateur du maximum de vraisemblance dans des modèles de diffusion observés sans bruit de mesure continûment sur un intervalle de temps fixé lorsque le nombre de sujets tend vers l'infini. Le Chapitre 4 est consacré à la sélection de covariables dans des modèles mixtes généraux. Nous proposons une version du BIC adaptée au contexte de double asymptotique ou le nombre de sujets et le nombre d'observations par sujet tendent vers l'infini. Nous présentons quelques simulations pour illustrer cette procédure. / The first part of this thesis deals with maximum likelihood estimation in Markovianmixed-effects models. More precisely, we consider mixed-effects hidden Markov models and mixed-effects diffusion models. In Chapter 2, we combine the Baum-Welch algorithm and the SAEM algorithm to estimate the population parameters in mixed-effects hidden Markov models. We also propose some specific procedures to estimate the individual parameters and the sequences of hidden states. We study the properties of the proposed methodologies on simulated datasets and we present an application to real daily seizure count data. In Chapter 3, we first suggest mixed-effects diffusion models for population pharmacokinetics. We estimate the parameters of these models by combining the SAEM algorithm with the extended Kalman filter. Then, we study the asymptotic properties of the maximum likelihood estimatein some mixed-effects diffusion models continuously observed on a fixed time interval when the number of subjects tends to infinity. Chapter 4 is dedicated to variable selection in general mixed-effects models. We propose a BIC adapted to the asymptotic context where both of the number of subjects and the number of observations per subject tend to infinity. We illustrate this procedure with some simulations.

Für einen R^d-wertigen stochastischen Prozess X auf R bezeichne X_t den Segmentprozess X_t:={X(t+u): u = 0. Es wird folgende affine stochastische Differentialgleichung mit unendlichem Gedächtnis betrachtet: dX(t)=L(X_t)dt + dW(t) für t >= 0, X_0=F, (A) wobei L:B -> R^d ein lineares stetiges Funktional, W einen Wiener-Prozess mit Werten in R^d sowie B einen semi-normierten linearen Unterraum von {f:(-00, 0] -> R^d} bezeichnen. Die Anfangsbedingung F ist eine B-wertige Zufallsvariable. Die Lösung X der Gleichung (A) lässt sich mittels einer Formel der Variation der Konstanten darstellen. Für die Existenz einer stationären Lösung werden hinreichende und notwendige Bedingungen vorgestellt. Für eine spezielle Klasse von Funktionalen L kann Gleichung (A) auf ein System gewöhnlicher stochastischer Gleichungen ohne Gedächtnis reduziert werden. Diese Reduktion wird im Detail untersucht, insbesondere gewinnt man hierdurch ein einfaches äquivalentes Kriterium für die Existenz stationärer Lösungen von Gleichungen mit Funktionalen L dieser Klasse. Durch Einbettung der Gleichung (A) in den Bidualraum B** gelingt die Bestimmung der Lyapunov-Exponenten der Lösung. Hierzu wird ein neuer Zusammenhang der Lösung der sogenannten adjungierten Gleichung von (A) und einer Spektralzerlegung des Raumes B benutzt. Die Untersuchung der stetigen Abhängigkeit der Lösung von dem Funktional L und der Anfangsbedingung F ermöglicht die Behandlung anwendungsorientierter Aspekte. In Verbindung mit den Ergebnissen über reduzierbare Gleichungen wird ein Verfahren zur Approximation der Lösung von Gleichung (A) durch Ornstein-Uhlenbeck-Prozesse vorgestellt. Eine allgemeine Klasse von Ito-Differentialgleichungen mit nichtlinearen vergangenheitsabhängigen Drift- und Dispersionskoeffizienten wird eingeführt, in der die Gleichung (A) als eine spezielle affine Gleichung verstanden werden kann. Für diese allgemeinen Gleichungen wird ein Existenz- und Eindeutigkeitssatz nachgewiesen. / For an R^d-valued stochastic process X denote the segment process by X_t:={X(t+u): u = 0. We consider the following affine stochastic differential equation with infinite delay: dX(t)=L(X_t)dt + dW(t) for t >= 0, X_0= F, (A) where L:B -> R^d denotes a linear continuous functional, W denotes a Wiener process with values in R^d and B is a semi-normed linear subspace of {f: (-00, 0] -> R^d}. The initial condition F is a B-valued random variable. The solution X of equation (A) can be represented by a variation of constants formula. We provide sufficient and necessary conditions for the existence of a stationary solution. For a special class of functionals L the equation (A) can be reduced to a system of ordinary stochastic differential equations without memory. This reduction is studied in detail. In particular, we deduce a simple equivalent condition for the existence of stationary solutions of equations with functionals L in this class. The embedding of equation (A) into the bidualspace B** enables us to calculate the Lyapunov exponents of the solution. For this purpose we exploit a new connection between the solution of the so-called adjoint equation of (A) and a spectral decompositon of the space B. By considering the continuous dependence of the solution on the functional L and the initial condition F we obtain results useful in applications. In conjunction with results on reducible equations we establish an approximation scheme for the solution of equation (A) by Ornstein-Uhlenbeck processes. Moreover, we introduce a general class of Ito differential equations with non-linear drift and dispersion hereditary coefficients. We deduce a result on the existence of unique solutions for this general class of equations. Equation (A) can be regarded as a special affine equation in this class.

Die vorliegende Dissertation beschäftigt sich mit der Anwendung der Theorie der großen Abweichungen auf verschiedene Fragestellungen der stochastischen Analysis und stochastischen Dynamik von Sprungprozessen. Die erste Fragestellung behandelt die erste Austrittszeit aus einem beschränkten Gebiet für eine bestimmte Klasse von Sprungdiffusionen mit exponentiell leichten Sprüngen. In Abhängigkeit von der Leichtheit des Sprungmaßes wird das asymptotische Verhalten der Verteilung und insbesondere der Erwartung der ersten Austrittszeit bestimmt wenn das Rauschen verschwindet. Dabei folgt die Verteilung der ersten Austrittszeit einem Prinzip der großen Abweichungen im Falle eines superexponentiellen Sprungmaßes. Wohingegen im subexponentiellen Fall die Verteilung einem Prinzip moderater Abweichungen genügt. In beiden Fällen wird die Asymptotik bestimmt durch eine deterministische Größe, die den minimalen Energieaufwand beschreibt, um die Sprungdiffusion einen optimalen Kontrollpfad, der zum Austritt führt, folgen zu lassen. Die zweite Fragestellung widmet sich dem Grenzverhalten gekoppelter Vorwärts-Rückwärtssysteme stochastischer Differentialgleichungen bei kleinem Rauschen. Dazu assoziiert ist eine spezielle Klasse nicht-lokaler partieller Differentialgleichungen, die auch in nicht-lokalen Modellen der Fluiddynamik eine Rolle spielen. Mithilfe eines probabilistischen Ansatzes und der Markovschen Struktur dieser Systeme wird die Konvergenz auf Ebene von Viskositätslösungen untersucht. Dabei wird ein Prinzip der großen Abweichungen für die involvierten Stochastischen Prozesse hergeleitet. / This thesis deals with applications of Large Deviations Theory to different problems of Stochastic Dynamics and Stochastic Analysis concerning Jump Processes. The first problem we address is the first exit time from a fixed bounded domain for a certain class of exponentially light jump diffusions. According to the lightness of the jump measure of the driving process, we derive, when the source of the noise vanishes, the asymptotic behavior of the law and of the expected value of first exit time. In the super-exponential regime the law of the first exit time follows a large deviations scale and in the sub-exponential regime it follows a moderate deviations one. In both regimes the first exit time is comprehended, in the small noise limit, in terms of a deterministic quantity that encodes the minimal energy the jump diffusion needs to spend in order to follow an optimal controlled path that leads to the exit. The second problem that we analyze is the small noise limit of a certain class of coupled forward-backward systems of Stochastic Differential Equations. Associated to these stochastic objects are some nonlinear nonlocal Partial Differential Equations that arise as nonlocal toy-models of Fluid Dynamics. Using a probabilistic approach and the Markov nature of these systems we study the convergence at the level of viscosity solutions and we derive a large deviations principles for the laws of the stochastic processes that are involved.

Cette thèse porte sur l'étude d'équations différentielles de type frottement, c'est à dire d'équations de type attractive, avec un unique point stable 0, caractérisant la vitesse d'un objet soumis à une force de frottement. La vitesse de cet objet subit des perturbations aléatoires de type Lévy. Dans une première partie, nous nous intéressons aux propriétés fondamentales de ces EDS : existence et unicité de la solution, caractère markovien et ergodique de celle-ci et plus particulièrement le cas des processus de Lévy stable. Dans une deuxième partie, nous étudions la stabilité de la solution de ces EDS lorsque la perturbation est un processus de Lévy stable qui tend vers 0. En effet, nous démontrons l'existence d'un développement limité d'ordre un autour de la solution déterministe pour la vitesse et la position de l'objet. Dans une troisième partie, nous étudions le comportement asymptotique des solutions lorsque la vitesse initiale est nulle et que la perturbation est un processus de Lévy stable symétrique. Nous prouvons dans cette partie que l'accumulation de perturbations entraîne un comportement asymptotique gaussien de la position de l'objet, à condition que l'indice de stabilité du processus de Lévy et la croissance du potentiel soient suffisamment grand. Dans une quatrième partie, nous levons l'hypothèse de symétrie de la perturbation en démontrant le même résultat que dans la troisième partie mais avec une dérive. Pour cela, nous étudions tout d'abord la queue de distribution de la mesure invariante associée à la vitesse de l'objet. Enfin dans une dernière partie, nous nous intéressons au résultat de la troisième partie lorsque la perturbation est la somme d'un mouvement brownien et d'un processus de Lévy purement à sauts. Puis nous commençons l'étude de la dimension deux en traitant le cas où les équations sont découplées mais où les mouvement brownien directeurs sont dépendants. / This thesis deals with the study of friction type differential equations, in other words, attractive equations, with a unique stable point 0, describing the speed of an object submitted to a frictional force. This object's speed is disturbed by Lévy type random perturbations. In a first part, one is interested in fondamental properties of these SDE: existence and unicity of a solution, Markov and ergodic properties, and more particularly the case of stable Lévy processes.In a second part, one study the stability of the solution of these SDE when the perturbation is an stable Lévy process that tends to 0. In fact, one proves the existence of a Taylor expansion of order one around the deterministic solution for the object's speed and position. In a third part, one study the asymptotic behaviour of the solutions when the initial speed is 0 and the perturbation is a symmetric stable Lévy process. One proves that the amount of perturbations, if the stability's index of the Lévy process and the increasing of the potential are big enough, leads to a gaussian asymptotic behaviour for the object's position.In a forth part, one relaxes the assumption of symmetry of the perturbation by proving the same result as in the third part but with a drift. To do so, one first studies the tail of the invariant measure of the object's speed.Finally, in a last part, one is interested in the same result as in the third part when the perturbation is the sum of the Brownian motion and a pure jump stable Lévy process. Then, one begins the study of the dimension two by considering the case where the equations are separated but where the driving Brownian motions are dependent.