En chimiotaxie, le modèle parabolique-parabolique classique de Keller-Segel en dimension d décrit l’évolution en temps de la densité d'une population de cellules et de la concentration d'un attracteur chimique. Cette thèse porte sur l’étude des équations de Keller-Segel parabolique-parabolique par des méthodes probabilistes. Dans ce but, nous construisons une équation différentielle stochastique non linéaire au sens de McKean-Vlasov dont le coefficient dont le coefficient de dérive dépend, de manière singulière, de tout le passé des lois marginales en temps du processus. Ces lois marginales couplées avec une transformation judicieuse permettent d’interpréter les équations de Keller-Segel de manière probabiliste. En ce qui concerne l'approximation particulaire il faut surmonter une difficulté intéressante et, nous semble-t-il, originale et difficile chaque particule interagit avec le passé de toutes les autres par l’intermédiaire d'un noyau espace-temps fortement singulier. En dimension 1, quelles que soient les valeurs des paramètres de modèle, nous prouvons que les équations de Keller-Segel sont bien posées dans tout l'espace et qu'il en est de même pour l’équation différentielle stochastique de McKean-Vlasov correspondante. Ensuite, nous prouvons caractère bien posé du système associé des particules en interaction non markovien et singulière. Nous établissons aussi la propagation du chaos vers une unique limite champ moyen dont les lois marginales en temps résolvent le système Keller-Segel parabolique-parabolique. En dimension 2, des paramètres de modèle trop grands peuvent conduire à une explosion en temps fini de la solution aux équations du Keller-Segel. De fait, nous montrons le caractère bien posé du processus non-linéaire au sens de McKean-Vlasov en imposant des contraintes sur les paramètres et données initiales. Pour obtenir ce résultat, nous combinons des techniques d'analyse d’équations aux dérivées partielles et d'analyse stochastique. Finalement, nous proposons une méthode numérique totalement probabiliste pour approcher les solutions du système Keller-Segel bi-dimensionnel et nous présentons les principaux résultats de nos expérimentations numériques. / The standard d-dimensional parabolic--parabolic Keller--Segel model for chemotaxis describes the time evolution of the density of a cell population and of the concentration of a chemical attractant. This thesis is devoted to the study of the parabolic--parabolic Keller-Segel equations using probabilistic methods. To this aim, we give rise to a non linear stochastic differential equation of McKean-Vlasov type whose drift involves all the past of one dimensional time marginal distributions of the process in a singular way. These marginal distributions coupled with a suitable transformation of them are our probabilistic interpretation of a solution to the Keller Segel model. In terms of approximations by particle systems, an interesting and, to the best of our knowledge, new and challenging difficulty arises: each particle interacts with all the past of the other ones by means of a highly singular space-time kernel. In the one-dimensional case, we prove that the parabolic-parabolic Keller-Segel system in the whole Euclidean space and the corresponding McKean-Vlasov stochastic differential equation are well-posed in well chosen space of solutions for any values of the parameters of the model. Then, we prove the well-posedness of the corresponding singularly interacting and non-Markovian stochastic particle system. Furthermore, we establish its propagation of chaos towards a unique mean-field limit whose time marginal distributions solve the one-dimensional parabolic-parabolic Keller-Segel model. In the two-dimensional case there exists a possibility of a blow-up in finite time for the Keller-Segel system if some parameters of the model are large. Indeed, we prove the well-posedness of the mean field limit under some constraints on the parameters and initial datum. Under these constraints, we prove the well-posedness of the Keller-Segel model in the plane. To obtain this result, we combine PDE analysis and stochastic analysis techniques. Finally, we propose a fully probabilistic numerical method for approximating the two-dimensional Keller-Segel model and survey our main numerical results.