Nous traitons dans cette thèse le problème de la prédiction d’un processus stochastique à valeurs fonctionnelles. Nous commençons par étudier le modèle proposé par Antoniadis et al. (2006) dans le cadre d’une application pratique -la demande d’énergie électrique en France- où l’hypothèse de stationnarité semble ne pas se vérifier. L’écart du cadre stationnaire est double: d’une part, le niveau moyen de la série semble changer dans le temps, d’autre part il existe groupes dans les données qui peuvent être vus comme des classes de stationnarité.Nous explorons corrections qui améliorent la performance de prédiction. Les corrections visent à prendre en compte la présence de ces caractéristiques non stationnaires. En particulier, pour traiter l’existence de groupes, nous avons contraint le modèle de prévision à n’utiliser que les données qui appartiennent au même groupe que celui de la dernière observation disponible. Si le regroupement est connu, un simple post-traitement suffit pour obtenir des meilleures performances de prédiction.Si le regroupement en blocs est inconnu, nous proposons de découvrir le regroupement en utilisant des algorithmes d’analyse de classification non supervisée. La dimension infinie des trajectoires, pas nécessairement stationnaires, doit être prise en compte par l’algorithme. Nous proposons deux stratégies pour ce faire, toutes les deux basées sur les transformées en ondelettes. La première se base dans l’extraction d’attributs associés à la transformée en ondelettes discrète. L’extraction est suivie par une sélection des caractéristiques le plus significatives pour l’algorithme de classification. La seconde stratégie classifie directement les trajectoires à l’aide d’une mesure de dissimilarité sur les spectres en ondelettes. La troisième partie de la thèse est consacrée à explorer un modèle de prédiction alternatif qui intègre de l’information exogène. A cet effet, nous utilisons le cadre des processus Autorégressifs Hilbertiens. Nous proposons une nouvelle classe de processus que nous appelons processus Conditionnels Autorégressifs Hilbertiens (CARH). Nous développons l’équivalent des estimateurs par projection et par résolvant pour prédire de tels processus. / This thesis addresses the problem of predicting a functional valued stochastic process. We first explore the model proposed by Antoniadis et al. (2006) in the context of a practical application -the french electrical power demand- where the hypothesis of stationarity may fail. The departure from stationarity is twofold: an evolving mean level and the existence of groupsthat may be seen as classes of stationarity.We explore some corrections that enhance the prediction performance. The corrections aim to take into account the presence of these nonstationary features. In particular, to handle the existence of groups, we constraint the model to use only the data that belongs to the same group of the last available data. If one knows the grouping, a simple post-treatment suffices to obtain better prediction performances.If the grouping is unknown, we propose it from data using clustering analysis. The infinite dimension of the not necessarily stationary trajectories have to be taken into account by the clustering algorithm. We propose two strategies for this, both based on wavelet transforms. The first one uses a feature extraction approach through the Discrete Wavelet Transform combined with a feature selection algorithm to select the significant features to be used in a classical clustering algorithm. The second approach clusters directly the functions by means of a dissimilarity measure of the Continuous Wavelet spectra.The third part of thesis is dedicated to explore an alternative prediction model that incorporates exogenous information. For this purpose we use the framework given by the Autoregressive Hilbertian processes. We propose a new class of processes that we call Conditional Autoregressive Hilbertian (carh) and develop the equivalent of projection and resolvent classes of estimators to predict such processes.

L’objet de la thèse consiste à analyser la relation entre la consommation d’électricité et le produit intérieur brut dans une démarche d’intelligence économique. Plus précisément il s’agit d’analyser l’évolution de l’intensité électrique de l’activité économique sur la période de 2003 à 2012 dans les pays développés du G7 et estimer leurs demandes électriques entre 2013 et 2022.Une première partie cherche à explorer les aspects théoriques et pratiques de l’intelligence économique afin de la comprendre et l’appliquer. Une deuxième partie est consacrée à l’analyse empirique. Nous sommes parvenus aux résultats suivants :Premièrement, les courbes d’intensité électrique de deux pays : le Canada et le Etats – Unis dominent celles des autres pays développés, ainsi, les économies de ces deux pays de l’Amérique du nord sont plus énergivores que celles du Japon et des pays de l’Union européenne. Ensuite, l’évolution temporelle de la consommation d’électricité par unité de PIB sur dix années (2003 – 2012) a globalement diminué dans cinq pays: le Canada (-12%) ; le Royaume – Uni (-5, 3%) ; les Etats – Unis (-5%) ; la France (- 4%) ; l’Allemagne (-3%). Par contre, elle s’est détériorée au Japon (+5%) et en Italie (+6%). L’effet de « structure » est négatif dans tout l’échantillon, il traduit donc t une tertiarisation généralisée. Par contre l’effet « d’efficacité électrique » est contrasté. Il est négatif au Canada et aux Etats – Unis et positif dans le reste du groupe.Deuxièmement, les estimations indiquent une croissance généralisée de la demande électrique de 2013 - 2022 dans l’ensemble des pays du G7. Par ailleurs, les coefficients élasticité électricité /PIB sont inférieurs à l’unité dans tous les pays, excepté l’Italie. Cela signifie que la demande d’électricité moyen annuel de ces pays devrait croître moins vite que leurs PIB. Enfin, les principales perspectives de recherche qui apparaissent à l'issue de cette thèse concernent la transposition de notre modèle d’analyse (l’intelligence énergétique) aux autres formes d’énergie à savoir : le pétrole, le gaz, le charbon et les renouvelables .Finalement, ce modèle peut servir d’instrument de politique économique, énergétique et environnementale aux acteurs économiques et politiques (Etats, entreprises, ONG, OIG.). / The subject of this thesis consists of an analysis of the relationship between electricity consumption and Gross Domestic Product from the perspective of Competitive Intelligence. More specifically, it analyzes the evolution of the electrical intensity of economic activity from 2003 to 2012 in the developed countries of the G7, and then estimates their electricity needs from 2013 to 2022. Part one attempt to explore theoretical and practical aspects of Competitive Intelligence to understand and apply them, while part two is devoted to the empirical analysis itself.Concerning the latter, our results are as follows:First, the electrical intensity curves of two countries—Canada and the United States—dominate those of other developed countries; thus, the economies of these two North American countries are more energy-hungry than those of Japan and the countries of the European Union. The overall temporal evolution of electricity consumption per GDP unit over a ten-year period (2003-1012) has gone down in five countries: Canada (-12%), the United Kingdom (-5.3%), the United States (-5%), France (-4%), and Germany (-3%). On the other hand, this evolution has gone the other direction in Japan (+5%) and Italy (+6%). The effect of “structure” is negative across all analyzed data, suggesting general “tertiarisation”. However, the effect of “electricity efficiency” is mixed: it is negative in the United States and Canada, but positive for the rest of group.Second, estimations indicate an overall growth in electricity demand across all G7 countries from 2013 to 2022. Additionally, electrical elasticity coefficients/GDP units are down in all countries except Italy. This tells us that the average annual demand for electricity in these countries should increase at a slower rate than their respective GDPs.Lastly, the primary research perspectives that appear at the beginning of this thesis concern the transposition of our model of analysis (energetic intelligence) onto other forms of energy such as oil, natural gas, coal, and renewable energy sources. In the end, this model could be useful to economic and political authorities (governments, private companies, NGOs, IGOs, etc.) as an instrument of economic, energy, and environmental policy.