Connus sous le nom de Systèmes d’Alerte Avancés, ou Early Warning Systems (EWS), les modèles de prévision des crises financières sont appelés à jouer un rôle déterminant dans l’orientation des politiques économiques tant au niveau microéconomique qu’au niveau macroéconomique et international. Or,dans le sillage de la crise financière mondiale, des questions majeures se posent sur leur réelle capacité prédictive. Deux principales problématiques émergent dans le cadre de cette littérature : comment évaluer les capacités prédictives des EWS et comment les améliorer ?Cette thèse d’économétrie appliquée vise à proposer (i) une méthode d’évaluation systématique des capacités prédictives des EWS et (ii) de nouvelles spécifications d’EWS visant à améliorer leurs performances. Ce travail comporte quatre chapitres. Le premier propose un test original d’évaluation des prévisions par intervalles de confiance fondé sur l’hypothèse de distribution binomiale du processus de violations. Le deuxième chapitre propose une stratégie d’évaluation économétrique des capacités prédictives des EWS. Nous montrons que cette évaluation doit être fondée sur la détermination d’un seuil optimal sur les probabilités prévues d’apparition des crises ainsi que sur la comparaison des modèles.Le troisième chapitre révèle que la dynamique des crises (la persistance) est un élément essentiel de la spécification économétrique des EWS. Les résultats montrent en particulier que les modèles de type logit dynamiques présentent de bien meilleurs capacités prédictives que les modèles statiques et que les modèles de type Markoviens. Enfin, dans le quatrième chapitre nous proposons un modèle original de type probit dynamique multivarié qui permet d’analyser les schémas de causalité intervenant entre différents types crises (bancaires, de change et de dette). L’illustration empirique montre clairement que le passage à une modélisation trivariée améliore sensiblement les prévisions pour les pays qui connaissent les trois types de crises. / Known as Early Warning Systems (EWS), financial crises forecasting models play a key role in definingeconomic policies at microeconomic, macroeconomic and international level. However, in the wake ofthe global financial crisis, numerous questions with respect to their forecasting abilities have been raised,as very few signals were drawn prior to the starting of the turmoil. Two questions arise in this context:how to evaluate EWS forecasting abilities and how to improve them?The broad goal of this applied econometrics dissertation is hence (i) to propose a systematic model-free evaluation methodology for the forecasting abilities of EWS as well as (ii) to introduce new EWSspecifications with improved out-of-sample performance. This work has been concretized in four chapters.The first chapter introduces a new approach to evaluate interval forecasts which relies on the binomialdistributional assumption of the violations series. The second chapter proposes an econometric evaluationmethodology of the forecasting abilities of an EWS. We show that adequate evaluation must take intoaccount the cut-off both in the optimal crisis forecast step and in the model comparison step. The thirdchapter points out that crisis dynamics (persistence) is essential for the econometric specification of anEWS. Indeed, dynamic logit models lead to better out-of-sample forecasting probabilities than those oftheir main competitors (static model and Markov-switching one). Finally, a multivariate dynamic probitEWS is proposed in the fourth chapter to take into account the causality between different types of crises(banking, currency, sovereign debt). The empirical application shows that the trivariate model improvesforecasts for countries that underwent the three types of crises.