Model mechanical metamaterials for memory storage and computation: Bien que les ordinateurs modernes aient prouvé leur efficacité, ils rencontrent encore des difficultés à résoudre certains problèmes complexes. Pour y remédier, de nouvelles plateformes de calcul non conventionnelles voient le jour, bouleversant les paradigmes informatiques traditionnels. Ces approches utilisent des supports alternatifs, tels que les systèmes dynamiques, pour réaliser des calculs. Par ailleurs, divers milieux désordonnés, comme la matière amorphe ou les métamatériaux mécaniques, peuvent être décrits comme des ensembles d’éléments bi-stables, capables de représenter des données binaires. Des opérations d’écriture et des algorithmes simples ont déjà été mis en oeuvre au sein de tels systèmes, ouvrant ainsi la voie à leur utilisation pour le stockage et le traitement d’information. S’appuyant sur ces travaux, cette thèse explore l’utilisation de modèles de matériaux pour le traitement et le stockage de données binaires. Nous nous intéressons en particulier à des modèles composés de systèmes masse-ressort bi-stables, organisés en chaînes ou en réseaux. Ces systèmes peuvent être considérés comme des ensembles d’unités de mémoire non-volatile, ce qui les rend adaptés à l’écriture, au stockage, et au traitement d’information. Nous commençons par démontrer la possibilité d’écrire des messages binaires dans des chaînes multi-stables, via un agent d’apprentissage par renforcement capable de naviguer au sein de leur paysage énergétique complexe pour y inscrire de l’information. Lorsque ces paysages ne sont pas connus, ce qui est souvent le cas en situation réelle, des techniques d’apprentissage automatique permettent de les révéler, rendant ainsi possibles les opérations d’écriture et de lecture. Enfin, nous montrons que des algorithmes séquentiels simples peuvent être implémentés dans des réseaux de ressorts bi-stables et des modèles d’Ising, en exploitant leur relaxation naturelle pour exécuter ces algorithms. Ces résultats suggèrent que les systèmes multi-stables étudiés peuvent être utilisés pour écrire, stocker et lire des données binaires, ainsi que pour exécuter des algorithmes, mettant en lumière leur potentiel en tant que plateformes de calcul efficaces.