Les recherches menées au cours de cette thèse visent à améliorer la qualité de prédiction des structures secondaires d'ARN avec pseudo-nœuds par l'approche thermodynamique. Elles se sont focalisées sur ses deux composantes essentielles : le modèle d'énergie libre qui paramètre les repliements de l'ARN et l'algorithme qui propose les repliements les plus vraisemblables. Bien que la question du modèle d'énergie libre soit considérée comme close à l'heure actuelle, il m'est apparu nécessaire et possible de repenser la manière dont il est calibré. Le principe de TT2NE, un nouvel algorithme de prédiction, est également exposé. Son efficacité repose sur une nouvelle classification des pseudo-nœuds à l'aide du genre, un indice topologique dont j'illustre par ailleurs la pertinence par une analyse qualitative et quantitative des bases de données disponibles. Au final, sans être arrivé au terme de tous les développements possibles des travaux engagés, les résultats obtenus sont prometteurs et améliorent l'état de l'art de ce problème.