La détection et la caractérisation du carbone noir (BC), ou suie, constituent un enjeu majeur, notamment pour l'étude des émissions aéronautiques. Le LIDAR offre dans ce contexte une technique de télédétection pertinente, mais la morphologie fractale et les propriétés d'absorption de ces particules rendent les modèles basés sur la théorie de Mie inadaptés. Le formalisme RDG-FA (Rayleigh--Debye--Gans Fractal Aggregate), qui intègre explicitement la nature fractale des agrégats, constitue une alternative plus appropriée. Si les expressions des sections efficaces d'absorption et de diffusion totale sont bien établies, la description du facteur de structure reste toutefois limitée. Et pourtant, la mesure LIDAR repose sur un principe de rétro-diffusion, dès lors, le facteur de structure qui décrit la dépendance angulaire de la diffusion de la lumière par la particule et qui dépend directement de sa morphologie, joue un rôle considérable dans ce signal et donc dans son interprétation. En conséquence, ce travail vise à étudier l'influence de la polydispersité des sphérules primaires sur le facteur de structure. Au-delà des implications d'un tel travail pour les mesures LIDAR, ce développement trouve des applications directes pour les mesures de diffusion des rayons X aux petits angles (SAXS). La stratégie adoptée consiste à améliorer la modélisation de la fonction d'auto-corrélation de paires dont le facteur de structure est la transformée de Fourier. Les résultats sont comparés à ceux issus de la théorie de Mie, du modèle de Dobbins-Megaridis et de l'approximation de Fisher.

The detection and characterization of black carbon (BC), or soot, is a major challenge, particularly in the context of aeronautical emissions. In this regard, LIDAR provides a relevant remote-sensing technique, but the fractal morphology and strong absorption properties of these particles render Mie-theory-based models inadequate. The RDG-FA (Rayleigh--Debye--Gans Fractal Aggregate) formalism, which explicitly incorporates the fractal nature of aggregates, constitutes a more suitable alternative. While the expressions for absorption and total scattering cross-sections are well established, the description of the structure factor remains limited. Yet, LIDAR is a backscattering measurement. Therefore, the structure factor, governing the angular dependence of light scattering and directly linked to particle morphology, plays a crucial role in the signal and its interpretation. Consequently, this work aims to investigate the influence of primary-spherule polydispersity on the structure factor. Beyond its implications for LIDAR applications, this development is directly relevant to small-angle X-ray scattering (SAXS). The proposed strategy improves the modeling of the pair auto-correlation function, of which the structure factor is the Fourier transform. The resulting structure factors are compared with those obtained from Mie theory, the Dobbins-Megaridis model, and Fisher's approximation.