Cette thèse traite de la solution numérique de deux types de problèmes stochastiques. Premièrement, nous nous intéressons aux EDS fortement oscillantes, c'est-à-dire, les systèmes composés de variables ergodiques évoluant rapidement par rapport aux autres. Nous proposons un algorithme basé sur des résultats d'homogénéisation. Il est défini par un schéma d'Euler appliqué aux variables lentes couplé avec un estimateur à pas décroissant pour approcher la limite ergodique des variables rapides. Nous prouvons la convergence forte de l'algorithme et montrons que son erreur normalisée satisfait un résultat du type théorème limite centrale généralisé. Nous proposons également une version extrapolée de l'algorithme ayant une meilleure complexité asymptotique en satisfaisant les mêmes propriétés que la version originale. Ensuite, nous étudions la solution des EDS de type McKean-Vlasov (EDSPR-MKV) associées à la solution de certains problèmes de contrôle sous un environnement formé d'un grand nombre de particules ayant des interactions du type champ-moyen. D'abord, nous présentons un nouvel algorithme, basé sur la méthode de cubature sur l'espace de Wiener, pour approcher faiblement la solution d'une EDS du type McKean-Vlasov. Il est déterministe et peut être paramétré pour atteindre tout ordre de convergence souhaité. Puis, en utilisant ce nouvel algorithme, nous construisons deux schémas pour résoudre les EDSPR-MKV découplées et nous montrons que ces schémas ont des convergences d'ordres un et deux. Enfin, nous considérons le problème de réduction de la complexité de la méthode présentée tout en respectant la vitesse de convergence énoncée.

Cette thèse se divise en deux parties indépendantes. Dans la première, nous considérons un modèle microscopique individu-centré pour décrire une population structurée par traits et âges. Nous étudions l'écologie de ce système (problèmes de dynamique de populations) dans une asymptotique de grandes populations. Sous certaines renormalisations, le processus microscopique converge par la solution à valeurs mesures d'une équation d'évolution déterministe. Un théorème central limite et les déviations exponentielles associées à cette convergence sont étudiés. Nous appliquons ensuite ces résultats pour établir des généralisations aux populations structurées par âge de modèles d'évolution tirés de la récente théorie des dynamiques adaptatives. Ces derniers modélisent l'évolution de la structure en traits sur des grandes échelles de temps et sous les hypothèses de mutations rares (éventuellement petites) et de grandes populations. Dans la seconde partie de la thèse, nous considérons des équations aux dérivées partielles de McKean-Vlasov et de Navier-Stokes 2D avec conditions initiales aléatoires. La loi des solutions, qui sont alors des variables aléatoires, est appelée solution statistique. En nous basant sur une approche probabiliste de ces équations aux dérivées partielles, nous proposons de nouvelles approximations particulaires stochastiques avec ondelettes pour les moments d'ordre 1 des solutions statistiques, et nous étudions leurs vitesses de convergence.