Bienvenue

Le LPSM est une unité mixte de recherche (UMR 8001) dépendant du CNRS, de Sorbonne Université et de l’Université Paris Cité. Le laboratoire compte environ 200 personnes (dont env. 90 permanents), répartis sur deux sites (Campus P. et M. Curie de Sorbonne Université et Campus Paris Rive Gauche de l’Université Paris Cité).

Les activités de recherche du LPSM couvrent un large spectre en Probabilités et Statistique, depuis les aspects les plus fondamentaux (qui incluent notamment l'Analyse Stochastique, la Géométrie Aléatoire, les Probabilités Numériques et les Systèmes Dynamiques) jusqu’aux applications à la Modélisation dans diverses disciplines (Physique, Biologie, Sciences des Données, Finance, Actuariat, etc), applications qui incluent des partenariats en dehors du monde académique.

Le LPSM est un laboratoire relativement récent. Cependant, ses composantes sont anciennes et proviennent du développement des « mathématiques du hasard » dans le centre de Paris, depuis le premier quart du 20ième siècle (voir ici pour plus de détails).

NB: Site largement inspiré de celui de l'IRIF (merci à eux pour la mise à disposition de leur maquette).

4.6.2026
Nicolas Fournier a été nommé membre senior de l'Institut Universitaire de France à compter du 1er octobre 2026.

www.enseignementsup-recherche.gouv.fr/fr/bo/2026/Hebdo21/ESRS2611808A

Félicitations Nicolas !

12.5.2026
Titus Lupu a reçu le prix Rollo-Davisdson 2026. Félicitations Titus!

5.2.2026
Nous apprenons avec tristesse le décès de Paul Deheuvels, membre de l'Académie des Sciences, professeur émérite à Sorbonne Université et membre du LPSM, survenu le 30 janvier 2026. Voici une notice biographique en français, et en anglais.

20.4.2026
La collaboration entre le LPSM et la start-up Califrais, à l'occasion de la visite du ministre de l'Enseignement Supérieur, de la Recherche et de l'Espace dans les locaux de l'entreprise, est mise en avant par le CNRS: https://www.cnrs.fr/fr/presse/la-start-francaise-califrais-sallie-avec-la-recherche-academique-pour-une-supply-chain

toutes les anciennes actualités

(Ces actualités sont présentées selon un classement mêlant priorité et aléatoire.)

Séminaire Modélisation et Probabilités
Mercredi 10 juin 2026, 14 heures 15, Sophie Germain 1013
Max Fathi (LPSM/LJLL) Les variables sous-gaussiennes sont sommes de trois gaussiennes (d'après Hua, Song et Tedose)

Dans cet exposé, je présenterai un article récent de Hua, Song et Tedose montrant que il existe un K tel que toute variable K-sous-gaussienne centrée puisse s'écrire comme somme de 3 gaussiennes standards, en toute dimension. La preuve combine du calcul stochastique, du transport martingale, et des arguments de minimisation d'information mutuelle.

Séminaire Modélisation aléatoire du vivant
Mercredi 10 juin 2026, 11 heures, 16-26.209
Aurélien Velleret On the LAN and LAMN Properties for Mean-Field Model of Interacting Neurons

We study a mean-field system of interacting particles represented by stochastic differential equations (SDE's) with jumps, introduced in [1] as a model describing the time evolution of neuronal potentials in the human brain. Depending on the renormalization of the interaction : either averaging scaling (1/N) or diffusive scaling (1/\sqrt N)-it was shown in [1] and [2] that, as the number of particles tends to infinity, the system exhibit the propagation of chaos and conditional propagation of chaos, respectively. Assuming that the jump intensity depends on an unknown parameter, we establish the Local Asymptotic Normality (LAN) property in the averaging case and the Local Asymptotic Mixed Normality (LAMN) in the diffusive case. Some implications regarding the performance of the maximum likelihood estimator are also derived. The limiting Fisher information depends on the limit of the empirical measure of the system. It is deterministic in the averaging regime, random in diffusive regime. This phenomenon explains the dichotomy between LAN and LAMN. Based on joint works with Xavier Erny, Aline Duarte, Eva Löcherbach, Dasha Loukianova.

[1] Fournier, N. and Löcherbach, E. (2016). On a toy model of interacting neurons. Ann.Inst. Henri Poincaré Probab. Stat. 52(4), 1844–1876. [2] Erny, X., Löcherbach, E. and Loukianova, D. (2021). Conditional propagation of chaos for mean field systems of interacting neurons. Electron. J. Probab. 26, 1–25.

Séminaire Modélisation et Probabilités
Mercredi 17 juin 2026, 14 heures 15, Sophie Germain 1013
Raphael Lefevere (LPSM) Hierarchical Lorentz Mirror Model: Normal Transport and a Universal 2/3 Mean–Variance Law

Le modèle de miroirs de Lorentz fournit un cadre épuré pour étudier un transport macroscopique engendré uniquement par le désordre figé de l’environnement. Nous introduisons une version hiérarchique pour laquelle la distribution des traversées gauche–droite satisfait une récurrence exacte. En dimension d\geq 3, nous démontrons rigoureusement un transport normal : la conductance moyenne se comporte comme (\text{section transverse})/(\text{longueur}) à toutes les échelles de longueur. Une hypothèse de fermeture gaussienne, étayée par les simulations numériques, prédit que le rapport variance/moyenne de la conductance converge vers la valeur universelle 2/3 pour tout d\geq 2 —ce que nous appelons la « loi des 2/3 ». Nous fournissons des preuves numériques de cette loi des 2/3 dans le modèle original, non hiérarchique, des miroirs de Lorentz en dimension d=3, et conjecturons qu’il s’agit d’une signature universelle du transport normal induit par un appariement aléatoire des courants. Il s’agit d’une collaboration avec Hal Tasaki (Gakushuin University).

Séminaire Modélisation aléatoire du vivant
Mercredi 1 juillet 2026, 11 heures, 16-26.209
Barbara Bricout (LPSM (MAV)) Non encore annoncé.

Mentions légales

Bienvenue

Actualités

Événements