Dans la premiere partie de cette these, on a etudie l'impact sur les prix d'options des erreurs d'estimation de volatilite. Dans les modeles de diffusion utilises ennance, un coefficient de diffusion fonctinnelle (:; :) modelise la volatilite d'un actif financier. Ce coefficient est estime a partir d'observations donc entache d'erreurs statistiques. L'objectif est de voir l'impact de ces erreurs sur le calcul de prix d'options, qui sont solutions d'EDP paraboliques dont l'estimateur (:; :) est le coefficient de diffusion. Cela debouche sur un probleme de passage a la limite (homogeneisation) dans des equations paraboliques a coefficients aleatoires. Dans ce travail on a obtenu des estimations de la vitesse de convergence locale sur la solution d'une EDP parabolique a coefficients aleatoire, lorsque le coefficient de diffusion est un champ aleatoire convergeant vers une fonction limite. Ce resultat permet d'etudier l'im- pact sur les prix d'options des erreurs d'estimation de volatilite dans differents cas degures. Cette methode est appliquee pour evaluer l'incertitude sur les options a barrieres dans un modele de diffusion lorsqu'on reconstitue la volatilite par la formule de Dupire a partir des donnees discretes sur les prix d'options. La deuxieme partie de cette these concerne l'etude de problemes inverses pour certaine classe d'equations d'evolution integro-differentielles survenant dans l'etude des modeles d'evaluation bases sur les processus de Levy. On a etudie une approche de ces problemes inverses par regularisation de Tikhonov. Cette approche permet de reconstruire de facon stable les parametres d'un modele markovien avec sauts a partir de l'observation d'un nombre ni d'options. Le chapitre 4 pose les bases theoriques de cette approche et propose une parametrisation des mesures de Levy par la racine carree de la densite, ce qui permet de ramener le probleme dans un cadre hilbertien. La regularisation de Tikhonov proposee consiste a minimiser l'ecart quadratique par rapport aux prix observ es plus une norme hilbertienne des parametres. Des resultats d'existence, de stabilite et de convergence de la solution du probleme regularise sont alors obtenus sous de hypotheses assez generales ; des hypotheses supplementaires (conditions de source) permettent d'obtenir une estimation de la vitesse de convergence. Le choix du parametre de regularisation, sujet delicat, fait l'objet d'une discussion detaillee. Le chapitre 5 propose un algorithme numerique pour le calcul de la solution du probleme regularise et l'etude du performance de cet algorithme dans differents modeles avec sauts. L'algorithme est base sur l'emploi d'un algorithme de gradient pour la minimisation de la fonctionnelle regularisee : le gradient est calcule en resolvant une equation integrodifferentielle avec terme source (equation adjointe). Ce travail generalise ceux de Lagnado&Osher, Crepey et Egger & Engl au cas des equations integrodifferentielles. Les tests numeriques montrent que cet algorithme permet de construire de facon stable un processus de Levy calibre a un ensemble de