Depuis les années 50, l'automobile est en France un sujet majeur de débat. Fabuleux moyen de communication pour ses défenseurs, elle est au contraire associée au gaspillage des ressources naturelles par ses détracteurs. Avec 81% des ménages français équipés en 2001, le plébiscite fait à l'automobile est incontestable. <br />Pourtant, les enjeux écologiques, la bonne régulation du trafic routier et notre espace de vie déjà très automobilisé rendent le “tout-automobile” impossible, alors que le “zéro voiture” semble bien utopique. Dans ce contexte, l'urgence est de civiliser les comportements automobiles. Cela nécessite en premier lieu l'analyse des comportements d'équipement et d'usage des agents, qui est l'objet de notre recherche.<br /> A l'aide des données françaises Parc Auto, nous modélisons trois fondamentaux de la motorisation automobile. L'“automobilité” des ménages est tout d'abord analysée avec le modèle d'addiction rationnelle de Becker. Ensuite, leur degré d'équipement est étudié à l'aide d'un modèle Probit ordonné à structure latente autorégressive. Le dernier volet de la thèse traite du choix qualitatif individuel d'acquisition de voitures, avec l'ajustement d'un modèle Probit polytomique. <br /> Tout au long de cette recherche, la dynamique comportementale est examinée afin de mesurer le poids des décisions passées dans les comportements courants d'équipement et d'usage. Nous mesurons aussi l'impact du revenu des agents et du prix des carburants sur leurs comportements automobiles. Par ailleurs, le zonage considéré, qui découpe notamment la région Île-de-France en Paris-centre, petite, et grande couronne, permet de présenter quelques résultats spécifiques aux franciliens.

Ce mémoire de thèse regroupe plusieurs méthodes de calcul d'estimateur en statistiques bayésiennes. Plusieurs approches d'estimation seront considérées dans ce manuscrit. D'abord en estimation nous considérerons une approche standard dans le paradigme bayésien en utilisant des estimateurs sous la forme d'intégrales par rapport à des lois \textit{a posteriori}. Dans un deuxième temps nous relâcherons les hypothèses faites dans la phase de modélisation. Nous nous intéresserons alors à l'étude d'estimateurs répliquant les propriétés statistiques du minimiseur du risque de classification ou de ranking théorique et ceci sans modélisation du processus génératif des données. Dans les deux approches, et ce malgré leur dissemblance, le calcul numérique des estimateurs nécessite celui d'intégrales de grande dimension. La plus grande partie de cette thèse est consacrée au développement de telles méthodes dans quelques contextes spécifiques. / This PhD thesis deals with some computational issues of Bayesian statistics. I start by looking at problems stemming from the standard Bayesian paradigm. Estimators in this case take the form of integrals with respect to the posterior distribution. Next we will look at another approach where no, or almost no model is necessary. This will lead us to consider a Gibbs posterior. Those two approaches, although different in aspect, will lead to similar computational difficulties. In this thesis, I address some of these issues.