Phénomène dans des espaces probabilistes de haute dimension où des fonctions lipschitziennes (ou régulières) prennent presque toujours des valeurs proches d'une position typique (moyenne, médiane), les écarts décroissant rapidement avec la dimension ou un paramètre d'échelle.

Principe

Les structures métriques-mesures de haute dimension (mesures produits, gaussiennes, variétés à courbure) font que la majeure partie de la mesure est concentrée dans de petits voisinages d'ensembles typiques ; formalisé par des inégalités isopérimétriques, de Poincaré ou log‑Sobolev fournissant des queues exponentielles.

Démonstration

Concentration gaussienne : pour X∼N(0,I_n) et f 1-Lipschitz, P(|f(X)-med(f)|>t) ≤ 2 exp(-c t^2). Les inégalités de Hoeffding et McDiarmid donnent la concentration pour des fonctions bornées ou à différence bornée de variables indépendantes.

Mauvaise application

Supposer que la concentration s'applique quelle que soit la distribution ou la dimension — elle échoue pour des lois à queues lourdes, des données de faible dimension ou des fonctions très peu régulières ; mal employer une intuition asymptotique pour de petits échantillons.

Conséquence

Justifie la typicité et la stabilité en haute dimension : faibles fluctuations aléatoires, bornes de généralisation en apprentissage, et estimations probabilistes quasi indépendantes de la dimension pour algorithmes aléatoires.

Inversion

Le comportement opposé est l'anti‑concentration ou dispersion à queues lourdes où les valeurs restent très dispersées et aucun contrôle exponentiel des queues n'existe ; les écarts typiques ne diminuent pas avec la dimension.

Limite

Nécessite une régularité appropriée : structure métrique, décroissance des queues (sous-gaussienne/sous-exponentielle) ou inégalités fonctionnelles. Ne s'applique pas à des mesures arbitraires, distributions très asymétriques ou observables non lipschitziennes.

Tension sémantique

Proche de la loi des grands nombres — les deux affirment la typicité — mais la concentration donne des queues exponentielles quantitatives et des mécanismes géométriques métriques, alors que la LLN donne des limites asymptotiques sans bornes exponentielles.

Synthèse

La concentration de la mesure est le principe métrique‑probabiliste selon lequel, dans des cadres haute‑dimensionnels appropriés, les observables régulières sont fortement regroupées autour de valeurs typiques, les déviations étant contrôlées par des inégalités fonctionnelles ou isopérimétriques.