Modèles ARCH et GARCH en séries temporelles
📅 Mars 2026
⏱️ ~10 min de lecture
📊 Volatilité et économétrie
Dans de nombreuses séries temporelles — en particulier les rendements financiers —
la variance n'est pas constante dans le temps. Certaines périodes sont calmes,
tandis que d'autres présentent une volatilité intense.
Cet article introduit les modèles ARCH et GARCH,
qui permettent de modéliser la variance conditionnelle et le phénomène de
volatility clustering.
Séries temporelles
Volatilité
ARCH
GARCH
Économétrie
Lire l'article →
Signaux harmoniques et bruit dans les séries temporelles
📅 Mars 2026
⏱️ 10 min de lecture
De nombreux phénomènes physiques imposent une périodicité aux données :
températures saisonnières, signaux radio, ondes sismiques ou encore
cardiogrammes. Cet article introduit le modèle harmonique à phase aléatoire,
dérive la fonction d'autocorrélation et explique pourquoi le spectre contient
des "raies". Nous étendons ensuite l'analyse au modèle signal + bruit et
discutons son lien avec les modèles ARMA.
Séries temporelles
Analyse spectrale
Signaux
ARMA
Lire l'article
Avoir la science infuse
📅 Février 2026
⏱️ 6 min de lecture
Entre connaissance divine et sagesse acquise : une réflexion sur l'apprentissage
à l'ère de l'intelligence artificielle. De l'origine médiévale de l'expression
à notre océan d'informations moderne, ce texte explore la tension entre le savoir
instantané et la connaissance gagnée par l'effort. La science n'est pas belle parce
qu'elle sait tout, mais parce qu'elle nous pousse à chercher, à explorer, à échouer
certes mais à rebondir.
Philosophie
IA
Connaissance
Sagesse
Apprentissage
Lire l'article
Construire des schémas de chiffrement sécurisés
📅 Janvier 2026
⏱️ ~18 min de lecture
Cet article présente une construction rigoureuse de schémas de chiffrement
symétriques à partir de générateurs pseudorandoms. En partant de l'analogie
avec le masque jetable (one-time pad), il montre comment un générateur
pseudorandom permet d'obtenir des chiffrés indistinguables en présence d'un
espion. L'article étend ensuite la construction aux messages de longueur
variable, introduit les chiffres par flot, et explique pourquoi le
chiffrement déterministe et la réutilisation naïve de flots échouent face au
chiffrement multiple.
Cryptographie
Pseudorandomness
Encryption
Security Models
Stream Ciphers
Lire l'article
RNN, GRU et LSTM : comprendre la mémoire pour la prévision de séries temporelles
📅 Janvier 2026
⏱️ 15 min de lecture
Les réseaux récurrents introduisent une idée clé : un état caché qui se met à jour à chaque pas de temps.
Cet article explique pourquoi les RNN "vanilla" peinent sur les longues séquences (vanishing gradients),
puis montre comment les GRU et les LSTM utilisent des portes (gates) pour contrôler l'oubli et la mémoire,
avec une lecture orientée forecasting et quelques équations compactes.
Séries temporelles
Deep Learning
RNN
GRU
LSTM
Lire l'article
Pseudo-aléatoire et approche asymptotique de la sécurité cryptographique
📅 Janvier 2026
⏱️ 7 min de lecture
La cryptographie moderne repose sur une idée subtile : un système peut sembler
aléatoire sans l'être réellement. Cet article introduit le caractère
pseudo-aléatoire, le secret parfait, les limites des garanties concrètes,
et explique pourquoi l'approche asymptotique fondée sur la théorie de la
complexité est devenue centrale pour définir la sécurité cryptographique.
Cryptographie
Pseudo-aléatoire
Sécurité asymptotique
Complexité
Lire l'article
Perfect secrecy, one-time pad et théorème de Shannon
📅 Janvier 2026
⏱️ 6 min de lecture
La confidentialité parfaite formalise une idée radicale en cryptographie :
un ciphertext ne doit révéler strictement aucune information sur le message.
Cet article introduit la définition informationnelle de la perfect secrecy,
l'expérience d'indistinguabilité, le one-time pad, et le théorème de Shannon
qui explique pourquoi une clé doit être aussi grande que le message.
Cryptographie
Perfect Secrecy
One-Time Pad
Shannon
Lire l'article
Prévision de séries temporelles et apprentissage supervisé
📅 Janvier 2026
⏱️ 8 min de lecture
La prévision de séries temporelles est souvent présentée comme un domaine à part,
alors qu'elle s'inscrit naturellement dans le cadre de l'apprentissage supervisé.
Cet article aborde la formulation des problèmes, les stratégies multi-pas,
les prétraitements essentiels, et l'importance de comparer les modèles de ML
avec des méthodes statistiques classiques.
Séries temporelles
Machine Learning
Prévision
Apprentissage supervisé
Lire l'article
La méthode de Kasiski : casser Vigenère (et pourquoi la crypto moderne existe)
📅 Décembre 2025
⏱️ 4 min de lecture
Le chiffrement de Vigenère réduit l'impact de l'analyse fréquentielle,
mais il reste vulnérable. On voit comment la méthode de Kasiski
permet de retrouver la longueur de la clé à partir des répétitions,
et pourquoi ces attaques ont mené aux fondations de la cryptographie moderne.
Cryptographie
Vigenère
Kasiski
Sécurité
Lire l'article
Le principe de Kerckhoffs en cryptographie
📅 Décembre 2025
⏱️ 5 min de lecture
Le principe de Kerckhoffs est un pilier fondamental de la cryptographie moderne.
Il affirme qu'un système de chiffrement doit rester sécurisé même si l'algorithme
est entièrement connu de l'adversaire, tant que la clé demeure secrète.
Cryptographie
Sécurité
Mathématiques
Principes fondamentaux
Lire l'article
OpenSpot (FindSpot) : Détection de places de stationnement
📅 Novembre 2025
⏱️ 2 min de lecture
Présentation du projet OpenSpot (FindSpot), un système de vision par ordinateur
pour la détection et la classification de places de stationnement.
L'article compare plusieurs architectures CNN en tenant compte
des contraintes réelles de déploiement.
Vision par ordinateur
Deep Learning
CNN
Smart Cities
Lire l'article