Les processus déterminantaux ont généré de l’intérêt dans des domaines très divers, tels que les matrices aléatoires, la théorie des processus ponctuels, ou les réseaux. Dans ce manuscrit, nous les considérons comme un type de processus ponctuel, c’est-à-dire comme un groupement de points aléatoires dans un espace très général. Ainsi, nous avons accès à une grande variété d’outils provenant de la théorie des processus ponctuels, ce qui permet une analyse précise d’un grand nombre de leur propriétés. Nous commençons par une analyse des processus déterminantaux d’un point de vue applicatif. Nous proposons ainsi différentes méthodes pour leur simulation dans un cadre général. Nous présentons une série de modèles dérivés du processus de Ginibre, et qui se trouvent être très utiles dans les applications. Troisièmement, nous introduisons un gradient différentiel sur l’espace des processus ponctuels. Grâce à des outils puissants de la théorie générale des formes de Dirichlet, nous montrons une formule d’intégration par parties pour un processus ponctuel général, et prouvons l’existence de diffusions correctement associées à ces processus. Nous sommes en mesure d’appliquer ces résultats aux processus déterminantaux, ce qui mènera à une caractérisation de ces diffusions en termes d’équations différentielles stochastiques. Enfin, nous nous intéressons au gradient différence. Dans un certain sens, nous définissons alors une intégrale de Skohorod qui satisfait une formule d'intégration par parties, c’est-à-dire que son adjoint est le gradient différence. Une application à l’étude d’une transformation aléatoire du processus ponctuel est présentée, dans laquelle nous caractérisons la distribution du processus ponctuel transformé sous certaines conditions. / Determinantal point processes have sparked interest in very diverse fields, such as random matrix theory, point process theory, and networking. In this manuscript, we consider them as random point processes, i.e. a stochastic collection of points in a general space. Hence, we are granted access to a wide variety of tools from point process theory, which allows for a precise study of many of their probabilistic properties. We begin with the study of determinantal point processes from an applicative point of view. To that end, we propose different methods for their simulation in a very general setting. Moreover, we bring to light a series of models derived from the well-known Ginibre point process, which are quite suited for applications. Thirdly, we introduce a differentiable gradient on the considered probability space. Thanks to some powerful tools from Dirichlet form theory, we discuss integration by parts for general point processes, and show the existence of the associated diffusion processes correctly associated to the point processes. We are able to apply these results to the specific case of determinantal point processes, which leads us to characterizing these diffusions in terms of stochastic differential equations. Lastly, we turn our attention to the difference gradient on the same space. In a certain sense, we define a Skohorod integral, which satisfies an integration by parts formula, i.e. its adjoint is the difference operator. An application to the study of a random transformation of the point process is given, wherein we characterize the distribution of the transformed point process under mild hypotheses.