Cette thèse regroupe une série de travaux concernant le processus d'exclusion asymétrique en contact avec deux réservoirs.<br />Dans une première partie, nous montrons par des simulations numériques que la position de la transition de phase du premier ordre dans le processus d'exclusion totalement asymétrique devient dépendante de l'échantillon considéré lorsque l'on ajoute un désordre gelé lié aux sites sur les taux de saut des particules. Ces résultats numériques sont comparés aux prédictions du champ moyen.<br />Dans une seconde partie, nous étudions les propriétés macroscopiques du profil de densité de particules dans l'état stationnaire. Nous dérivons tout d'abord la fonctionnelle de grandes déviations du processus d'exclusion faiblement asymétrique. Notre expression fait le lien entre des résultats précédents concernant le processus d'exclusion totalement asymétrique et le processus d'exclusion symétrique.<br />Nous exprimons également la distribution des fluctuations de densité dans l'état stationnaire des processus faiblement et totalement asymétriques. Ces fluctuations se mettent sous la forme d'une somme de deux fonctions aléatoires indépendantes. Nous montrons que dans la phase de courant maximum du processus totalement asymétrique, ces fluctuations ne sont pas gaussiennes. La connaissance des fluctuations nous permet de calculer les fonctions de corrélation à temps coïncidant dans l'état stationnaire.<br />Ces deux séries de résultats découlent de l'écriture de la probabilité d'un profil de densité dans l'état stationnaire comme une somme sur des chemins abstraits. Dans le but de généraliser nos résultats, une dynamique microscopique sur ces chemins est construite.

Dans cette thèse,nous proposons de nouvelles techniques de réduction de variance, pourles simultions Monté Carlo. Par un simple changement de variable, nous modifions la loi de simulation de façon paramétrique. L'idée consiste ensuite à utiliser une version convenablement projetée des algorithmes de Robbins-Monro pour déterminer le paramètre optimal qui "minimise" la variance de l'estimation. Nous avons d'abord développé une implémentation séquentielle dans laquelle la variance est réduite dynamiquement au cours des itératons Monte Carlo. Enfin, dans la dernière partie de notre travail, l'idée principale a été d'interpréter la réduction de variance en termes de minimisation d'entropie relative entre une mesure de probabilité optimale donnée, et une famille paramétrique de mesures de probabilité. Nous avons prouvé des résultats théoriques généraux qui définissent un cadre rigoureux d'utilisation de ces méthodes, puis nous avons effectué plusieurs expérimentations en finance et en fiabilité qui justifient de leur efficacité réelle.

On s'intéresse dans cette thèse à l'étude théorique et numérique des équations différentielles stochastiques multivoques et leurs applications à la modélisation de structures mécaniques sous sollicitations aléatoires. Les équations différentielles stochastiques considérées comportent dans le terme de dérive un opérateur multivoque maximal monotone pour lesquelles l'existence et l'unicité de solutions ont déjà été obtenues dans un cadre euclidien. Pour de telles équations on montre la convergence d'un schéma numérique, faisant intervenir grâce à la maximalité et à la monotonie des opérateurs considérés, des applications exclusivement univoques, rendant son implémentation aisée. Un ordre de convergence est de plus obtenu sous certaines conditions sur le coefficient de diffusion. Pour enrichir la modélisation, on envisage des équations différentielles stochastiques multivoques d'ordre 2 évoluant sur une variété riemanienne pour lesquelles ont été obtenues l'existence et l'unicité d'une solution. Des simulations numériques sur des modèles d'association en série ou en parallèle de ressorts, amortisseurs et patins (ou éléments de Saint-Venant), dont la formalisation mathématique fait intervenir des équations différentielles stochastiques multivoques, ont permis de valider des méthodes d'identification de paramètres à partir de cycles d'hystérésis.

L'évolution technique des "objets communicants" tels que les ordinateurs portables, les assistants personnels, etc..., confirme l'intérêt porté aux technologies "sans fil". Le développement rapide des protocoles de communication sans fil (Bluetooth, WIFI, ...) a permis la généralisation de nouveaux "réseaux locaux ad-hoc" principalement caractérisés par leur topologie dynamique et l'hétérogénéité de leurs composants. Aussi, les infrastructures logicielles reposant sur de tels environnements doivent pouvoir s'adapter et gérer cette dynamicité (connexions/déconnexions fréquentes ainsi que la forte variabilité des communications. Dans ce contexte, l'objectif général est de concevoir des algorithmes permettant de maintenir la cohérence d'un groupe d'entités hétérogènes partageant des services sur des architectures fortement instables. La problématique concerne donc la prise de décision en environnement distribué en considérant les particularités du réseau sous-jacent. Dans cette thèse, nous proposons une méthodologie d'approche concernant la caractérisation des performances envisageables dans un environnement totalement distribué s'appuyant sur un protocole de communication sans fil. Cette approche consiste également en l'identification des différentes perturbations susceptibles d'interférer dans le bon déroulement des applications. Par ailleurs, un algorithme de consensus adapté aux spécificités de l'environnement et basé sur un principe d'interaction avec un mécanisme de détection de défaillances a été développé et implanté. Afin de valider cette approche algorithmique, diverses expérimentations et évaluations qualitatives et quantitatives ont été réalisées.

When hadrons scatter at high energies, strong color fields, whose dynamics is described by quantum chromodynamics (QCD), are generated at the interaction point. If one represents these fields in terms of partons (quarks and gluons), the average number densities of the latter saturate at ultrahigh energies. At that point, nonlinear effects become predominant in the dynamical equations. The hadronic states that one gets in this regime of QCD are generically called "color glass condensates". Our understanding of scattering in QCD has benefited from recent progress in statistical and mathematical physics. The evolution of hadronic scattering amplitudes at fixed impact parameter in the regime where nonlinear parton saturation effects become sizable was shown to be similar to the time evolution of a system of classical particles undergoing reaction-diffusion processes. The dynamics of such a system is essentially governed by equations in the universality class of the stochastic Fisher-Kolmogorov-Petrovsky-Piscounov equation, which is a stochastic nonlinear partial differential equation. Realizations of that kind of equations (that is, "events" in a particle physics language) have the form of noisy traveling waves. Universal properties of the latter can be taken over to scattering amplitudes in QCD. This review provides an introduction to the basic methods of statistical physics useful in QCD, and summarizes the correspondence between these two fields and its theoretical and phenomenological implications.

Dans cette thèse nous tentons de donner un sens mathématique à la proposition : le néocortex se construit un modèle de son environnement. Nous considérons que le néocortex est un réseau de neurones spikants dont la connectivité est soumise à une lente évolution appelée apprentissage. Dans le cas où le nombre de neurones est proche de l'infini, nous proposons une nouvelle méthode de champ-moyen afin de trouver une équation décrivant l'évolution du taux de décharge de populations de neurones. Nous étudions donc la dynamique de ce système moyennisé avec apprentissage. Dans le régime où l'apprentissage est beaucoup plus lent que l'activité du réseau nous pouvons utiliser des outils de moyennisation temporelle pour les systèmes lents/rapides. Dans ce cadre mathématique nous montrons que la connectivité du réseau converge toujours vers une unique valeur d'équilibre que nous pouvons calculer explicitement. Cette connectivité regroupe l'ensemble des connaissances du réseau à propos de son environnement. Nous comparons cette connectivité à l'équilibre avec les stimuli du réseau. Considérant que l'environnement est solution d'un système dynamique quelconque, il est possible de montrer que le réseau encode la totalité de l'information nécessaire à la définition de ce système dynamique. En effet nous montrons que la partie symétrique de la connectivité correspond à la variété sur laquelle est définie le système dynamique de l'environnement, alors que la partie anti-symétrique de la connectivité correspond au champ de vecteur définissant le système dynamique de l'environnement. Dans ce contexte il devient clair que le réseau agit comme un prédicteur de son environnement.

L'application des mesures d'importance de type PageRank aux graphes du Web est le sujet de cette thèse, qui est divisée en deux parties. La première introduit une famille particulière de grands graphes, les graphes du Web. Elle commence par définir la notion de Web indexable, puis donne quelques considérations sur les tailles des portions de Web effectivement indexées. Pour finir, elle donne et utilise quelques constatations sur les structures que l'on peut observer sur les graphes induits par ces portions de Web. Ensuite, la seconde partie étudie en profondeur les mesures d'importance à la PageRank. Après un rappel sur la théorie des chaînes de Markov est présentée une classification originale des algorithmes de PageRank, qui part du modèle le plus simple jusqu'à prendre en compte toutes les spécificités liées aux graphes du Web. Enfin, de nouveaux algorithmes sont proposés. L'algorithme BackRank utilise un modèle alternatif de parcours du graphe du Web pour un calcul de PageRank plus rapide. La structure fortement clusterisée des graphes du Web permet quant à elle de décomposer le PageRank sur les sites Web, ce qui est réalisé par les algorithmes FlowRank et BlowRank.

Ce document de synthèse est consacré à l'interprétation probabiliste de certaines équations d'évolution liénaires ou non-linéaires ainsi qu'à l'étude de méthodes numériques probabilistes. La première partie réunit plusieurs résultats qui mettent en évidence les liens qui existent entre les équations aux dérivées partielles et les processus de diffusion pour des modèles linéaires ou non-linéaires. Un paragraphe important est consacré à l'approche probabiliste des modèles de coagulation et/ou fragmentation. Nous présentons dans la seconde partie la construction de nouveaux algorithmes de simulation de type Monte-Carlo pour une large classe d'équations différentielles stochastiques. Cette méthode permet d'estimer de façon précise le premier moment de sortie d'un domaine et la position de sortie pour un processus stochastique. Nous nous intéressons ensuite aux techniques d'échantillonnage pondéré afin de réduire la variance de nos éstimateurs. Dans la troisième partie nous présentons des travaux sur l'analyse fine de certains processus stochastiques dans les espaces de Besov. La quatrième partie est consacrée à des applications issues de collaborations industrielles.

Dans un premier temps, nous étudions une nouvelle classe d'équations différentielles stochastiques rétrogrades (notées EDSRs) qui sont reliées à des conditions de Neumann semi-linéaires relatives à des phénomènes ergodiques. La particularité de ces problèmes est que la constante ergodique apparaît dans la condition au bord. Nous étudions l'existence et l'unicité de solutions pour de telles EDSRs ergodiques ainsi que le lien avec les équations aux dérivées partielles et nous appliquons ces résultats à des problèmes de contrôle ergodique optimal. Dans une deuxième partie nous généralisons des travaux de P. Briand et Y. Hu publiés en 2008. Ces derniers ont prouvé un résultat d'unicité pour les solutions d'EDSRs quadratiques de générateur convexe et de condition terminale non bornée ayant tous leurs moments exponentiels finis. Nous prouvons que ce résultat d'unicité reste vrai pour des solutions qui admettent uniquement certains moments exponentiels finis, ces moments étant reliés de manière naturelle à ceux présents dans le théorème d'existence. Nous améliorons aussi la formule de Feynman-Kac non linéaire prouvée par P. Briand et Y. Hu. Enfin, nous nous intéressons à la résolution numérique d'EDSRs quadratiques markoviennes dont la condition terminale est bornée. Nous estimons dans un premier temps des bornes déterministes sur le processus Z. Nous donnons ensuite un nouveau schéma de discrétisation en temps dont la particularité est que la grille de discrétisation est non uniforme. Enfin nous obtenons une vitesse de convergence pour ce schéma. Par ailleurs, quelques simulations numériques permettent d'étudier l'efficacité de notre nouveau schéma dans un cadre pratique.

En électromagnétisme, dans la plupart des modèles numériques, déterministes, résolvant les équations de Maxwell, toutes les données d'entrée sont supposées parfaitement connues. Cependant la géométrie et les caractéristiques des matériaux peuvent présenter des incertitudes (vieillissement...). Nous cherchons alors à propager les incertitudes des données d'entrée vers les paramètres de sorties. Un modèle numérique probabiliste paraît alors plus adapté qu'un modèle numérique déterministe. Un certain nombre de méthodes ont été proposé en génie mécanique, très peu en électromagnétisme. La méthode de simulation de Monte Carlo est simple et robuste mais coûteuse en temps de calcul. On trouve aussi la méthode de perturbation où le champ inconnu est développé en série de Taylor autour de sa moyenne. Cette méthode permet de calculer la moyenne et la variance du champ de sortie assez simplement, mais pour les moments d'ordre supérieur, la généralisation semble complexe et coûteuse en temps de calcul. La méthode de développement en série de Neumann consiste à développer l'opérateur en série, mais la convergence semble lente. Il existe aussi des méthodes basées sur des développements des paramètres de sorties dans le chaos polynomial de Hermite. Ces méthodes sont basées sur une discrétisation de la dimension spatiale et de la dimension aléatoire. Ces méthodes peuvent être séparées en deux familles. La première, introduite par R.G. Ghanem, est dite intrusive car elle nécessite des modifications profondes du code éléments finis, elle est appelée Spectral Stochastic Finite Element Method (SSFEM) et elle peut être vue comme une généralisation de la méthode de Galerkin, la seconde est dite non intrusive car le code éléments finis n'est vu que comme une boite noire. Dans la thèse, nous présenterons la méthode de Monte Carlo, et nous étudierons la SSFEM et une classe particulière de méthode non intrusive : la méthode de projection sur le chaos polynomial de Hermite dans le cas de l'électrocinétique où les conductivités seront supposées être des variables aléatoires par morceaux. Dans ce cadre les conductivités peuvent être développées en polynômes de Hermite, nous étudierons l'effet de la troncature sur les résultats. Finalement, une méthode pour calculer des grandeurs globales, comme le courant sera présentée et utilisée pour l'étude d'un cas industriel : un manchon de câble électrique à haute tension. Mots-clés: électromagnétisme numérique, quantification des incertitudes, chaos polynomial, éléments finis stochastiques, méthode non intrusive de projection, calcul de grandeur globale.