Cette thèse porte sur l'étude mathématique du problème de projection Markovienne d'un processus aléatoire: il s'agit de construire, étant donné un processus aléatoire ξ, un processus de Markov ayant à chaque instant la même distribution que ξ. Cette construction permet ensuite de déployer les outils analytiques disponibles pour l'étude des processus de Markov (équations aux dérivées partielles ou équations integro-différentielles) dans l'étude des lois marginales de ξ, même lorsque ξ n'est pas markovien. D'abord étudié dans un contexte probabiliste, notamment par Gyöngy (1986), ce problème a connu un regain d'intêret motivé par les applications en finance, sous l'impulsion des travaux de B. Dupire. La thèse entreprend une étude systématique des aspects probabilistes (construction d'un processus de Markov mimant les lois marginales de ξ) et analytiques (dérivation d'une équation de Kolmogorov forward) de ce problème, étendant les résultats existants au cas de semimartingales discontinues. Notre approche repose sur l'utilisation de la notion de problème de martingale pour un opérateur integro-différentiel. Nous donnons en particulier un résultat d'unicité pour une équation de Kolmogorov associée à un opérateur integro-différentiel non-dégénéré. Ces résultats ont des applications en finance: nous montrons notamment comment ils peuvent servir à réduire la dimension d'un problème à travers l'exemple de l'évaluation des options sur indice en finance.

Ce travail présente quelques résultats concernant le comportement en temps fini et en temps long de méthodes numériques pour des équations stochastiques. On s'intéresse d'abord aux équations différentielles stochastiques de Langevin et de Langevin amorti. On montre un résultat concernant l'analyse d'erreur faible rétrograde de ses équations par des schémas numériques implicites. En particulier, on montre que l'erreur entre le générateur associé au schéma numérique et la solution d'une équation de Kolmogorov modifiée est d'ordre élevé par rapport au pas de discrétisation. On montre aussi que la dynamique associée au schéma numérique est exponentiellement mélangeante. Dans un deuxième temps, on étudie le comportement en temps long d'une discrétisation en temps et en espace d'une EDPS semi-linéaire avec un bruit blanc additif, qui possède une unique mesure invariante . On considère une discrétisation en temps par un schéma d'Euler et en espace par une méthode des éléments finis. On montre que la moyenne, par rapport aux lois invariantes (qui n'est pas forcément unique) associées à l'approximation, par des fonctions tests suffisamment régulières est proche de la quantité correspondante pour . Plus précisément, on étudie la vitesse de convergence par rapport aux différents paramètres de discrétisation. Enfin, on s'intéresse à une EDPS semi-linéaire avec un bruit blanc additif dont le terme non-linéaire est un polynôme. On étudie la convergence au sens faible d'une approximation en temps par un schéma de splitting implicite.