De nombreux travaux ont étudié la topologie de l’Internet, mais peu d’entre eux se sont intéressés à comment elle évolue. Nous étudions la dynamique de la topologie de routage au niveau IP et proposons une première étape vers une modélisation réaliste de cette dynamique. Nous étudions les mesures périodiques des arbres de routage à partir d’un moniteur vers un ensemble de destinations et nous observons certaines propriétés invariantes de la dynamique de leur topologie. Ensuite nous proposons un modèle simple qui simule la dynamique d’une topologie de réseau réel. En étudiant les résultats de la simulation, nous montrons que ce modèle captures les invariantes observés. De plus, l’analyse des résultats de simulations de différents types de réseaux nous permet de trouver des caractéristiques structurelles qui ont le plus grand impact sur ​la dynamique de la topologie. Nous étudions également comment la fréquence des mesures affecte la dynamique observée. Nous sommes intéressés par les processus sous-Jacents qui causent les dynamiques observées. Nous introduisons une méthode non-Classique de l'estimation des paramètres de un processus stochastique et nous appliquons cette méthode pour les mesures modélisées et réelles afin de caractériser le taux de l'évolution de la topologie. Nous montrons aussi que la dynamique de réseau est une dynamique non-Uniforme: les parties différentes du réseau peuvent avoir différentes vitesses d'évolution. / Many works have studied the Internet topology, but few have investigated the question of how it evolves over time. This thesis focuses on the Internet routing IP-Level topology dynamics and offer a first step towards a realistic modeling of these dynamics. For this end we study data from periodic measurements of routing trees from a single monitor to a fixed destination set. Next we propose a simple model that simulates the dynamics of a topology real network. By studying the results of the simulation, we show this model catches some observed invariant properties of the real-World data. In addition, analysing the simulation results of different types of networks, we found several structural features that have great impact on the dynamics of the topology. We study also how the frequency of measurement affects the observed dynamics. We are interested in the underlying process causing the observed dynamics. We introduce a method non-Classical parameter estimation of a stochastic process apply this method to the real-World and modelled measures in order to characterise the rate of the topology evolution. We also show that the network have non-Uniform dynamics: different parts of the network can have different rates of change.