De nombreuses applications demandent de pouvoir échantillonner efficacement des mesures de probabilité données sous la forme mu(dx) = exp(-V(x))dx, où le potentiel V peut avoir de nombreux puits. Pour permettre à un algorithme de Monte-Carlo de "sortir des puits", diverses méthodes sont utilisées en pratique. L'une d'entre elles, la "métadynamique", consiste à augmenter le potentiel dans les zones beaucoup visitées, ce qui force l'algorithme à les quitter pour en explorer d'autres. Nous étudierons deux modèles simplifiés de cet algorithme pour en souligner les forces et les faiblesses.
