Au XXIe siècle, la prévision de l'aléa hydrométéorologique et des impacts associés aux crues rapides demeurent un défi pour les prévisionnistes et les services de secours. Les mesures structurelles et / ou les avancées des systèmes de prévision hydrologique ne garantissent pas, à elles seules, la réduction des décès lors de ces phénomènes d'inondation rapide. La littérature souligne la nécessité d'intégrer d'autres facteurs, liés aux processus de vulnérabilité sociaux et comportementaux, afin de mieux prendre en compte les risques encourus par les populations lors de ces épisodes extrêmes. Cette dissertation conduit une analyse théorique couplés à ceux de une analyse des accidents historiques mortels afin d'expliquer les interactions qui existent entre les processus hydrométéorologiques et sociaux responsables de l'apparition de vulnérabilités humaines lors de crues rapides aux États-Unis. Des données d'enquêtes liées aux crues rapides sont examinées afin d'élaborer un système de classification des circonstances du décès (en voiture, à l'extérieur, à proximité d'un cours d'eau, dans un camping, dans un bâtiment ou en mobile-home). L'objectif est d'établir un lien entre la conception des vulnérabilités et l'estimation des pertes humaines liées à ces catastrophes naturelles. "Random forest" est utilisé et est basé sur un arbre de décision, qui permet d'évaluer la probabilité d'occurrence de décès pour une circonstance donnée en fonction d'indicateurs spatio-temporels. Un système de prévision des décès liés à l'usage de la voiture lors des crues rapides, circonstance la plus répandue, est donc proposé en s'appuyant sur les indicateurs initialement identifiés lors de l'étude théorique. Les résultats confirment que la vulnérabilité humaine et le risque associé varient de façon dynamique et infra journalière, et en fonction de la résonance spatio-temporelle entre la dynamique sociale et la dynamique d'exposition aux dangers. Par exemple, on constate que les jeunes et les personnes d'âge moyen sont plus susceptibles de se retrouver pris au piège des crues rapides particulièrement soudaines(par exemple, une durée de près de 5 heures) pendant les horaires de travail ou de loisirs en extérieur. Les personnes âgées sont quant à elles plus susceptibles de périr à l'intérieur des bâtiments, lors d'inondations plus longues, et surtout pendant la nuit lorsque les opérations de sauvetage et / ou d'évacuation sont rendues difficiles. Ces résultats mettent en évidence l'importance d'examiner la situation d'exposition aux risques en tenant compte de la vulnérabilité dynamique, plutôt que de se concentrer sur les conceptualisations génériques et statiques. Ce concept de vulnérabilité dynamique est l'objectif de modélisation développée dans cette thèse pour des vulnérabilités liés aux véhicules. À partir de l'étude de cas sur les crues rapides survenues en mai 2015, et en analysant principalement les états du Texas et de l'Oklahoma, principaux états infectés par ces évènements,le modèle montre des résultats prometteurs en termes d'identification spatio-temporelle des circonstances dangereuses. Cependant, des seuils critiques pour la prédiction des incidents liés aux véhicules doivent être étudiés plus en profondeur en intégrant des sensibilités locales non encore résolues par le modèle. Le modèle établi peut être appliqué, à une résolution journalière ou horaire, pour chaque comté du continent américain. Nous envisageons cette approche comme une première étape afin de fournir un système de prévision des crues rapides et des risques associés sur le continent américain. Il est important que la communauté scientifique spécialisée dans l'étude des crues éclairs récoltent des données à plus haute résolution lorsque ces épisodes entrainement des risques mortels, et ce afin d'appuyer la modélisation des complexités temporelles et spatiales associées aux pertes humaines causées par les futures inondations soudaines. / In the 21st century the prediction of and subsequent response to impacts due to sudden onset and localized flash flooding events remain a challenge for forecasters and emergency managers. Structural measures and/or advances in hydrological forecasting systems alone do not guarantee reduction of fatalities during short-fuse flood events. The literature highlights the need for the integration of additional factors related to social and behavioral vulnerability processes to better capture risk of people during flash floods. This dissertation conducts a theoretical analysis as well as an analysis of flash flood-specific historic fatalities to explain complex and dynamic interactions between hydrometeorological, spatial and social processes responsible for the occurrence of human life-threatening situations during the "event" phase of flash floods in the United States (U.S.). Individual-by-individual fatality records are examined in order to develop a classification system of circumstances (i.e., vehicle-related, outside/close to streams, campsite, permanent buildings, and mobile homes). The ultimate goal is to link human vulnerability conceptualizations with realistic forecasts of prominent human losses from flash flood hazards. Random forest, a well-known decision-tree based ensemble machine learning algorithm for classification is adopted to assess the likelihood of fatality occurrence for a given circumstance as a function of representative indicators at the county-level and daily or hourly time steps. Starting from the most prevalent circumstance of fatalities raised from both the literature review and the impact-based analysis, flash flood events with lethal vehicle-related accidents are the subject to predict. The findings confirm that human vulnerability and the subsequent risk to flash flooding, vary dynamically depending on the space-time resonance between that social and hazard dynamics. For example, it is found that younger and middle-aged people are more probable to get trapped from very fast flash floods (e.g., duration close to 5 hours) while participating in daytime outdoor activities (e.g., vehicle-related, recreational). In contrary, older people are more likely to perish from longer flooding inside buildings, and especially in twilight and darkness hours when rescue and/or evacuation operations are hindered. This reasoning places the importance of situational examination of dynamic vulnerability over generic and static conceptualizations, and guides the development of flash flood-specific modeling of vehicle-related human risk in this thesis. Based on the case study of May 2015 flash floods with a focus in Texas and Oklahoma, the model shows promising results in terms of identifying dangerous circumstances in space and time. Though, critical thresholds for the prediction of vehicle-related incidents need to be further investigated integrating local sensitivities, not yet captured by the model. The developed model can be applied on a daily or hourly basis for every U.S. county. We vision this approach as a first effort to provide a prediction system to support emergency preparedness and response to flash flood disasters over the conterminous U.S. It is recommended that the flash flood disaster science community and practitioners conduct data collection with more details for the life-threatening scene, and at finer resolutions to support modeling of local temporal and spatial complexities associated with human losses from flash flooding in the future.