Les Processus Markoviens D eterministes par Morceaux (PDMP) ont et e introduits dans la litt erature par M.H.A Davis comme une classe g en erale de mod eles stochastiques. Les PDMP forment une famille de processus markoviens qui d ecrivent une trajectoire d eterministe ponctu ee par des sauts al eatoires. Dans une premi ere partie, les PDMP sont utilis es pour calculer des probabilit es d' ev enements redout es pour un cas-test de la abilit e dynamique (le r eservoir chau e) par deux m ethodes num eriques di erentes : la premi ere est bas ee sur la r esolution du syst eme di erentiel d ecrivant l' evolution physique du r eservoir et la seconde utilise le calcul de l'esp erance de la fonctionnelle d'un PDMP par un syst eme d' equations int egro-di erentielles. Dans la seconde partie, nous proposons une m ethode num erique pour approcher la fonction valeur du probl eme d'arr^et optimal pour un PDMP. Notre approche est bas ee sur la quanti cation de la position apr es saut et le temps inter-sauts de la chaî ne de Markov sous-jacente au PDMP, et la discr etisation en temps adapt ee a la trajectoire du processus. Ceci nous permet d'obtenir une vitesse de convergence de notre sch ema num erique et de calculer un temps d'arrêt epsilon-optimal.

Les Processus Markoviens Déterministes par Morceaux (PDMP) ont été introduits dans la littérature par M.H.A Davis comme une classe générale de modèles stochastiques. Les PDMP forment une famille de processus markoviens qui décrivent une trajectoire déterministe ponctuée par des sauts aléatoires. Dans une première partie, les PDMP sont utilisés pour calculer des probabilités d'événements redoutés pour un cas-test de la fiabilité dynamique (le réservoir chauffé) par deux méthodes numériques différentes : la première est basée sur la résolution du système différentieldécrivant l'évolution physique du réservoir et la seconde utilise le calcul de l'espérancede la fonctionnelle d'un PDMP par un système d'équations intégro-différentielles.Dans la seconde partie, nous proposons une méthode numérique pour approcher lafonction valeur du problème d'arrêt optimal pour un PDMP. Notre approche estbasée sur la quantification de la position après saut et le temps inter-sauts de lachaîne de Markov sous-jacente au PDMP, et la discréetisation en temps adaptée à latrajectoire du processus. Ceci nous permet d'obtenir une vitesse de convergence denotre schéma numérique et de calculer un temps d'arrêt ε-optimal. / Piecewise Deterministic Markov Processes (PDMP's) have been introduced inthe literature by M.H.A. Davis as a general class of stochastics models. PDMP's area family of Markov processes involving deterministic motion punctuated by randomjumps. In a first part, PDMP's are used to compute probabilities of top eventsfor a case-study of dynamic reliability (the heated tank system) with two di#erentmethods : the first one is based on the resolution of the differential system giving thephysical evolution of the tank and the second uses the computation of the functionalof a PDMP by a system of integro-differential equations. In the second part, wepropose a numerical method to approximate the value function for the optimalstopping problem of a PDMP. Our approach is based on quantization of the post-jump location and inter-arrival time of the Markov chain naturally embedded in thePDMP, and path-adapted time discretization grids. It allows us to derive boundsfor the convergence rate of the algorithm and to provide a computable ε-optimalstopping time.