L'objectif de cette thèse était d'apporter une approche géophysique non linéaire à l'hydrologie urbaine. Elle a visé l'étude de la mise à l'échelle et de l'intermittence de la non-linéarité des précipitations, la réalisation d'une méthode de prévision stochastique à très court terme ("nowcast"), ainsi que son application aux processus hydrologiques dans les environnements (semi-) urbains. La partie modélisation hydrologique globale concerne la vallée de la Bièvre, zone semi-urbanisée de 110 km2 dans le sud-ouest de la région parisienne. Par conséquent, trois études différentes ont été réalisées dans cette zone à l'aide de deux modèles hydrologiques : le modèle conceptuel semi-distribué InfoWorks CS appliqué sur tout le bassin versant de Bièvre ; et le modèle physique complètement distribué Multi-Hydro, développé à l'École des Ponts ParisTech, appliqué sur deux sous-bassins versants de la Bièvre. Les principaux objectifs étaient de mieux comprendre les impacts de la variabilité spatio-temporelle des données pluviométriques en utilisant deux produits (les données radar bande-C de Météo-France avec une résolution de 1 km x 1 km x 5 min, et les données radar DPSRI band-X de l'ENPC à une résolution de 250 m x 250 m x 3.41 min) comme entrées pour les modèles, et d'identifier les capacités de chaque modèle pour traiter des données à une meilleur résolution, telles que la bande-X. Ensuite, les résultats obtenus démontrent que la fiabilité des simulations hydrologiques dépend intrinsèquement des caractéristiques des données pluviométriques. De plus, les données du radar bande-X pourraient mesurer des pics de précipitations plus élevés et le modèle complètement distribué était plus sensible à une meilleure résolution des données pluviométriques. Par la suite, des données de pluie provenant des radars météorologiques situés à des endroits complètement différents (Brésil, France, Japon) ont été analysées et comparées statistiquement afin d'améliorer la compréhension générale du comportement scalant des précipitations. De plus, le théorème d'intersection a été appliqué pour mettre en évidence les impacts de la variabilité spatiale d'un réseau virtuel de pluviomètres, qui a été généré en considérant l'emplacement des centres de masse de chaque sous-bassin versant de la vallée de la Bièvre. Ainsi, il a été possible d'identifier que la fractalité du réseau virtuel a conduit à une perte d'information importante des champs de pluie, biaisant leurs statistiques. Cela indique que le processus commun (largement retrouvé dans la littérature) de calibration des données radar à l'aide de pluviomètres devrait correctement prendre en compte cette fractalité. Enfin, une nouvelle approche de prévision stochastique immédiate a été proposée, à l'aide du modèle des multifractals universels (UM) en cascades continues. Cette méthode a été appliquée aux données des radars pluviométriques de la région amazonienne brésilienne et de Paris. Bien qu'il soit encore en développement et nécessite quelques améliorations, les premiers résultats obtenus avec ce modèle de prévision présenté ici sont vraiment encourageants et corroborent une fois de plus le besoin de données à haute résolution spatio-temporelle pour faire face aux crues soudaines / The focus of this thesis was to bring a nonlinear geophysical approach to urban hydrology. It aimed the study of rainfall non-linearity scaling and intermittency, achieving a stochastic very short-range forecast (nowcast) method, as well as its application to hydrological processes in (semi-) urban environments. The overall hydrological modelling part concerned the Bièvre Valley, which is a 110 km2 semi-urbanized area in the southwest of Paris region. Therefore, three different studies were performed within this area using two hydrological models: the conceptually-based semi-distributed model InfoWorks CS over the total Bièvre catchment, and the physically-based fully-distributed model developed at École des Ponts ParisTech called Multi-Hydro over two sub-catchments. The main goals were to better understand the impacts of spatio-temporal variability of rainfall data by using two products (the Météo-France C-band radar data with a resolution of 1 km x 1 km x 5 min; and the ENPC DPSRI X-band radar data at a 250 m x 250 m x 3.41 min resolution) as input to the models, and to identify the capacities of each model to deal with better resolution data, such as the X-band one. Then, the obtained results demonstrate that the reliability of the hydrological simulations are intrinsically dependent on rainfall data features. Moreover, the X-band radar data could measure higher peaks of rainfall rates and the fully-distributed model was more sensitive to better resolution rainfall data. Afterwards, different weather rainfall radar data from completely different sites (Brazil, France, Japan) were statistically analysed and compared in order to improve the general comprehension of rainfall scaling behaviour. In addition, the Intersection Theorem was applied to highlight the impacts of spatial variability of a virtual rain gauge network. The latter was generated by considering the location of each Bièvre Valley sub-catchment mass centre. Thus, it was possible to identify that the fractality of the virtual network led to an important information loss of the rainfall fields, biasing their statistics. This indicates that the common process (largely found in literature) of radar data calibration using rain gauges should be properly take into account this fractality. Finally, a new stochastic nowcast approach was proposed, using the continuous in scale cascade Universal Multifractals (UM) model. This method was applied to weather rainfall radar data from the Brazilian Amazon region and Paris. Although it is still under development and needs some improvements, the first results obtained with this forecast model presented here in this thesis are really encouraging and once more corroborate to the need of high spatio-temporal resolution data to cope flash floods