Ma thèse porte sur l'étude de la distribution de processus stochastiques avec absorption et leur approximation. Ces processus trouvent des applications dans de nombreux domaines, tels que l'écologie, la finance ou les études de fiabilité. Nous étudions en particulier l'évolution en temps long de la distribution de processus de Markov avec absorption. La distribution limite d'un processus conditionné à ne pas être éteint au moment où on l'observe permet de décrire et d'expliquer des comportements non-triviaux, comme les plateaux de mortalité. Lorsqu'une telle distribution existe, elle est appelée distribution quasi-stationnaire. Dans le premier chapitre, nous rappelons et démontrons en toute généralités des propriétés propres à ces distributions. Dans les chapitres suivants, nous démontrons dans une grande généralité une méthode particulaire d'approximation des distributions de processus de Markov conditionnés à ne pas être absorbés et de leur limite distribution quasi-stationnaire. Des programmes en C++ ont été écrits afin d'implémenter numériquement l'approximation particulaire de distribution quasi-stationnaires de processus provenant de modèles biologiques, tels que les diffusions de Wright-Fisher et les diffusions de Lotka-Volterra. La méthode d'approximation démontrée dans cette thèse associée à des méthodes de couplage nous permet également d'obtenir des nouveaux résultats d'existence et d'unicité de distributions quasi-stationnaires, ainsi que de démontrer des propriétés de mélanges nouvelles pour les diffusions conditionnées à ne pas sortir d'un ouvert borné.