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.[-]

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.[-]