La décomposition par substitution des permutations permet de voir ces objets combinatoires comme des arbres. Je présenterai d'abord cette décomposition par substitution, et les arbres sous-jacents, appelés arbres de décomposition. Puis j'exposerai une méthode, complètement algorithmique et reposant sur les arbres de décomposition, qui permet de calculer des spécifications combinatoires de classes de permutations à motifs interdits. La connaissance de telles spécifications combinatoires ouvre de nouvelles perspectives pour l'étude des classes de permutations, que je présenterai en conclusion.[-]

Les processus de fragmentation sont des modèles aléatoires pour décrire l'évolution d'objets (particules, masses) sujets à des fragmentations successives au cours du temps. L'étude de tels modèles remonte à Kolmogorov, en 1941, et ils ont depuis fait l'objet de nombreuses recherches. Ceci s'explique à la fois par de multiples motivations (le champs d'applications est vaste : biologie et génétique des populations, formation de planètes, polymérisation, aérosols, industrie minière, informatique, etc.) et par la mise en place de modèles mathématiques riches et liés à d'autres domaines bien développés en Probabilités, comme les marches aléatoires branchantes, les processus de Lévy et les arbres aléatoires. L'objet de ce mini-cours est de présenter les processus de fragmentation auto-similaires, tels qu'introduits par Bertoin au début des années 2000s. Ce sont des processus markoviens, dont la dynamique est caractérisée par une propriété de branchement (différents objets évoluent indépendamment) et une propriété d'auto-similarité (un objet se fragmente à un taux proportionnel à une certaine puissance fixée de sa masse). Nous discuterons la construction de ces processus (qui incluent des modèles avec fragmentations spontanées, plus délicats à construire) et ferons un tour d'horizon de leurs principales propriétés.[-]

Les processus de fragmentation sont des modèles aléatoires pour décrire l'évolution d'objets (particules, masses) sujets à des fragmentations successives au cours du temps. L'étude de tels modèles remonte à Kolmogorov, en 1941, et ils ont depuis fait l'objet de nombreuses recherches. Ceci s'explique à la fois par de multiples motivations (le champs d'applications est vaste : biologie et génétique des populations, formation de planètes, polymérisation, aérosols, industrie minière, informatique, etc.) et par la mise en place de modèles mathématiques riches et liés à d'autres domaines bien développés en Probabilités, comme les marches aléatoires branchantes, les processus de Lévy et les arbres aléatoires. L'objet de ce mini-cours est de présenter les processus de fragmentation auto-similaires, tels qu'introduits par Bertoin au début des années 2000s. Ce sont des processus markoviens, dont la dynamique est caractérisée par une propriété de branchement (différents objets évoluent indépendamment) et une propriété d'auto-similarité (un objet se fragmente à un taux proportionnel à une certaine puissance fixée de sa masse). Nous discuterons la construction de ces processus (qui incluent des modèles avec fragmentations spontanées, plus délicats à construire) et ferons un tour d'horizon de leurs principales propriétés.[-]

Les chaînes de Markov à mémoire de longueur variable constituent une classe de sources probabilistes. Il sera question dans cet exposé d'existence et unicité de mesure invariante pour une collection d'exemples de chaînes. Nous nous intéresserons également au comportement asymptotique d'une marche aléatoire dont les longueurs de sauts ne sont pas forcément intégrables. Les lois de sauts dépendent partiellement du passé de la trajectoire. Plus précisément, la probabilité de monter ou de descendre dépend du temps passé dans la direction dans laquelle le marcheur est en train d'avancer. Un critère de récurrence/transience s'exprimant en fonction des paramètres du modèle sera énoncé. Suivront plusieurs exemples illustrant le caractère instable du type de la marche lorsqu'on perturbe légèrement les paramètres.
Les travaux décrits dans cet exposé ont été faits en collaboration avec B. Chauvin, F. Paccaut et N. Pouyanne ou B. de Loynes, A. Le Ny et Y. Offret.[-]

Après avoir expliqué la notion de Z-invariance pour les modèles de mécanique statistique, nous introduisons une famille à un paramètre (dépendant du module elliptique) de Laplaciens massiques Z-invariants définis sur les graphes isoradiaux. Nous démontrons une formule explicite pour son inverse, la fonction de Green massique, qui a la propriété remarquable de ne dépendre que de la géométrie locale du graphe. Nous expliquerons les conséquences de ce résultat pour le modèle des forêts couvrantes, en particulier la preuve d'une transition de phase d'ordre 2 avec le modèle des arbre couvrants critiques sur les graphes isoradiaux, introduit par Kenyon. Finalement, nous considérons la courbe spectrale de ce Laplacien massique et montrons qu'il s'agit d'une courbe de Harnack de genre 1.
Il s'agit d'un travail en collaboration avec Cédric Boutillier et Kilian Raschel.[-]

Les chemins du plan confinés dans un quadrant, ou plus généralement dans un cône convexe, ont été beaucoup étudiés ces dernières années, et ont donné lieu à de jolis résultats. Le plus remarquable dit que, pour les chemins à petits pas, la série génératrice est différentiellement finie si et seulement si un certain groupe de transformations rationnelles, construit à partir des pas autorisés, est fini. Les méthodes employées, allant de l'algèbre élémentaire sur les séries formelles à l'analyse complexe, en passant, entre autres, par le calcul formel, sont variées, ce qui participe au charme du sujet. Mais quid des chemins dans un cône non convexe, et, typiquement, des chemins évitant un quadrant ? On étudiera les deux cas les plus naturels (pas NSEO, quadrant négatif ou quadrant Ouest interdit), en esquissant avec optimisme ce que pourrait être une classification pour ce problème.[-]

We analyze random labelled cubic planar graphs according to the uniform distribution. This model was analyzed first by Bodirsky et al. in a paper from 2007. Here we revisit and extend their work. The motivation for this revision is twofold. First, some proofs where incomplete with respect to the singularity analysis and we provide full proofs. Secondly, we obtain new results that considerably strengthen those known before. For instance, we show that the number of triangles in random cubic planar graphs is asymptotically normal with linear expectation and variance, while formerly it was only known that it is linear with high probability.
This is based on a joint work with Marc Noy (UPC) and Clément Requilé (FU Berlin - BMS).[-]