Dans cet exposé, nous introduirons certaines chaînes de Markov simples, dites “montantes-descendantes”, sur les permutations et les graphes. Une étape de la chaîne consiste à dupliquer un élément aléatoire de la permutation ou un sommet aléatoire du graphe (pas montant), puis à supprimer un autre élément/sommet aléatoire (pas descendant). Nous prouvons que ces chaînes convergent dans la limite des grandes tailles et après renormalisation du temps vers une diffusion de Feller sur l'espace des permutons et des graphons, respectivement. Nous obtenons également une formule explicite pour la distance de séparation entre la distribution des chaînes après n pas, excluant l'apparition d'un phénomène de “cut-off”. Notre approche fonctionne dans un cadre plus général : il est basé sur des relations de commutation entre les opérateurs des pas montants et descendants, et s'inspire des travaux de Fulman, Olshanski et Borodin–Olshanski sur l'espace des partitions et le simplex de Thoma. Je ne supposerai aucune connaissance préalable des permutons, graphons, diffusions de Feller, distances de séparation, seuils, ... Travail joint (et encore en cours) avec Kelvin Rivera-Lopez, Gonzaga University.[-]

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.[-]

Quel rapport entre la forme d'un chou-fleur des côtes de Bretagne, des vaisseaux sanguins et les structures fractales ?
Quel rapport entre une maladie génétique et un fichier de musique mp3 ?
Quel rapport entre des dessins faits par Léonard de Vinci et les lois mathématiques gouvernant la forme des plantes ou la reproduction des lapins ?
Quel rapport entre la forme de la terre, le GPS de ma voiture et un vieux puits d'Egypte ?
Pourquoi les météorologues sont capables de prédire une hausse du niveau des océans dans 100 ans mais incapables de prévoir s'il va pleuvoir dans 15 jours ?
Quel rapport entre le cerveau humain et le cerveau d'un ordinateur ?
Nous répondrons à toutes ces questions via des mathématiques simples et élégantes, accessibles à tous.[-]

La géométrie stochastique est l'étude d'objets issus de la géométrie euclidienne dont le comportement relève du hasard. Si les premiers problèmes de probabilités géométriques ont été posés sous la forme de casse-têtes mathématiques, le domaine s'est considérablement développé depuis une cinquantaine d'années de part ses multiples applications, notamment en sciences expérimentales, et aussi ses liens avec l'analyse d'algorithmes géométriques. L'exposé sera centré sur la description des polytopes aléatoires qui sont construits comme enveloppes convexes d'un ensemble aléatoire de points. On s'intéressera plus particulièrement aux cas d'un nuage de points uniformes dans un corps convexe fixé ou d'un nuage de points gaussiens et on se focalisera sur l'étude asymptotique de grandeurs aléatoires associées, en particulier via des calculs de variances limites. Seront également évoqués d'autres modèles classiques de la géométrie aléatoire tels que la mosaïque de Poisson-Voronoi.[-]

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.[-]