Les épidémies de méningite à méningocoque représentent un problème de santé publique majeur au Niger. L'objectif de la thèse est de contribuer à une meilleure compréhension de la dynamique spatio-temporelle des épidémies et des facteurs de risque, afin d'améliorer les stratégies de contrôle. Des méthodes statistiques d'épidémiologie spatiale sont appliquées aux données de surveillance de 2003 à 2010, à l'échelle des aires de santé.D'importantes caractéristiques de la distribution spatio-temporelle des cas sont d'abord mises en évidence par des méthodes d'autocorrélation spatiale et de scan spatial : faible étendue des agrégats spatio-temporels, hétérogénéité spatiale, variabilité inter-annuelle... L'analyse suggère que l'échelle des aires de santé pourrait être plus efficace pour la réponse aux épidémies.Un modèle explicatif hiérarchique bayésien est ensuite développé à l'échelle des aires de santé. Il suggère que la variabilité spatio-temporelle de l'incidence du méningocoque A résulte de variations dans l'intensité et la durée de facteurs climatiques, et est de plus impactée par des facteurs de contacts spatiaux. Enfin, un modèle prédictif est développé, basé sur les conditions climatiques, les interactions de voisinage et la précocité des cas, pour estimer le risque de survenue d'une épidémie localisée. Le système d'alerte ainsi élaboré pourrait améliorer la détection des épidémies et la vaccination réactive.Nos résultats offrent un nouvel éclairage sur les épidémies de méningite à méningocoque au Niger. Ils permettent de formuler des recommandations opérationnelles qui pourraient contribuer à l'élaboration de stratégies de contrôle et de prévention efficaces. / Epidemics of meningococcal meningitis are a major public health problem in Niger. The objective of the thesis is to contribute to a better understanding of the spatio-temporal dynamics of these epidemics and their risk factors, in order to improve control strategies. Statistical methods of spatial epidemiology are applied to surveillance data from 2003 to 2010, at the scale of health centre catchment areas (HCCAs).First, important features of the spatio-temporal distribution of cases are highlighted by methods of spatial autocorrelation and spatial scan: low extent of the spatio-temporal clusters, spatial heterogeneity, inter-annual variability… The analysis suggests that the HCCA scale could be more efficient for epidemic response. An explanatory Bayesian hierarchical model is then developed at the HCCA level. The model suggests that the spatio-temporal variability of meningococcal A incidence results from variations in the intensity or duration of climatic factors, and is further impacted by factors of spatial contacts.Finally, a predictive model is developed, based on climatic conditions, neighbourhood interactions and early cases, in order to estimate the risk of occurrence of a localized epidemic. The early warning system thus formulated could improve outbreak detection and reactive vaccination. Our results bring new insights into the meningococcal meningitis epidemics in Niger. They allow the formulation of operational recommendations that could contribute to the elaboration of more effective strategies for control and prevention of epidemics.