Les travaux de la thèse se résument en trois parties : La première partie consiste à étudier l’impact de l’automatisation basse vitesse du trafic en termes de sécurité, de consommation en carburant et des émissions des polluants. Dans un premier temps, une étape de modélisation d’un trafic mixte a été élaborée. Ce dernier se définit par la coexistence de deux types de conduite : le premier type est la conduite manuelle ou régis par l’action du conducteur et le deuxième type est la conduite automatisée. Dans un deuxième temps, les scénarios et les indicateurs de sécurité associés ont été développés. Dans ce cadre, un simulateur de trafic a été développé avec le langage C avec une interface graphique sous OpenGL. Les résultats montrent que l’augmentation de la présence des véhicules automatisés améliore la sécurité du trafic dans le cas de collisions aussi que dans le cas de scénarios sans collision. Par ailleurs, l’impact des véhicules automatisés sur la consommation en carburant et les émissions de polluants n’apparait que lorsqu’il s’agit de long parcours. La deuxième partie de la thèse consiste à améliorer le modèle Intelligent Driver Model (IDM) pour pallier ses inconvénients. Ce modèle est un Adaptive Cruise Control (ACC) destiné à représenter la conduite automatisée dans le trafic. Dans ce contexte, une nouvelle version a été développée. L’idée principale est la prise en compte non seulement de l’état du véhicule de tête mais aussi de celle du véhicule précédent. Ce nouveau modèle montre de meilleures performances au niveau de la stabilisation de la file. La troisième partie se concentre sur la modélisation macroscopique du trafic afin d’étudier son diagramme fondamental. Le nouveau modèle macroscopique développé est basé sur les données microscopiques obtenues à partir de la simulation du modèle Intelligent Driver Model. À partir de ces données, les variables macroscopiques du trafic à savoir la densité et la vitesse de la file ont été identifiées par régression non linéaire. Le nouveau modèle macroscopique vitesse- densité possède trois avantages. Le premier avantage est la connaissance de la vitesse de stabilité et la densité d’une file de véhicule dès les premières secondes de simulation en identifiant les modèles de densité et de vitesse. Le deuxième avantage se manifeste dans la possibilité de trouver des modèles existants dans la littérature en fixant quelques paramètres. Le troisième avantage est la possibilité de sa calibration avec un minimum d’erreur pour différentes situations du trafic (ex : congestionné, libre). / My thesis can be summarized in three parts: The first part consists in studying the impact of the low speed automation on driver safety, traffic capacity, fuel consumption and vehicle emissions. As a first step, a pattern of mixed road traffic is established. This one is defined by the coexistence of two driving styles: the first one is the manual and the second one is the automated. Secondly, the scenarios and the associated indicators have been developed. In this context a traffic simulator was developed with the C programming language using the OpenGl library for the graphical interface. Results show that the increase of automated vehicles presence traffic safety increases in case of accidents scenarios as well as in the case of without accidents. Moreover, the impact of automated vehicles on fuel consumption and pollutant emissions only appears when it comes to long path. The second part of my thesis consists in improving the Intelligent Driver Model (IDM) model, Adaptive Cruise Control (ACC) to represent the automated driving in traffic, to overcome its drawbacks. In this context, a new version is developed. The main idea is to take into account not only the state of the preceding vehicle but also the tail vehicle. This new model shows better performance in queue stabilization in terms of accelerations and velocities. The third part is devoted to the macroscopic traffic modeling in which we study the fundamental diagram. The new developed macroscopic model is based on microscopic data given by the Intelligent Driver Model simulation. Then, the traffic density and velocity were identified by non-linear regression. The new macroscopic velocity-density model has three advantages: Knowledge of the stable velocity and density within the first seconds of simulation by identifying. Ability to find existing models in the literature by setting some of its parameters. Calibration with a minimum of error for different traffic situations (eg congestion, free).