Ce manuscrit présente des contributions aux méthodes de propagation et d'analyse d'incertitude pour des applications en Mécanique des Fluides Numérique. Dans un premier temps, deux schémas numériques innovantes sont présentées: une approche de type "Collocation", et une autre qui est basée sur une représentation de type "Volumes Finis" dans l'espace stochastique. Dans les deux, l''elément clé est donné par l'introduction d'une représentation de type "Multirésolution" dans l'espace stochastique. L'objective est à la fois de réduire le nombre de dimensions et d'appliquer un algorithme d'adaptation de maillage qui puisse ˆetre utilisé dans l'espace couplé physique/stochastique pour des problémes non-stationnaires. Pour finir, une stratégie d'optimisation robuste est proposée, qui est basée sur une analyse de décomposition de la variance et des moments statistiques d'ordre plus élevé. Dans ce cas, l'objectif est de traiter des probl'emes avec un grand nombre d'incertitudes.

De nos jours, la préservation de l'environnement constitue un enjeu prioritaire. La compréhension des phénomènes environnementaux passe par l'étude et la combinaison d'un nombre croissant de données hétérogènes. De nombreuses initiatives internationales (INSPIRE, GEOSS) visent à encourager le partage et l'échange de ces données. Dans ce sujet de recherche, nous traitons de l'intérêt de mettre à disposition des modèles scientifiques sur le web. Nous montrons l'intérêt d'utiliser des applications s'appuyant sur des données géoréférencées et présentons des méthodes et des moyens répondant aux exigences d'interopérabilité. Nous illustrons notre approche par l'implémentation de modèles d'estimation des besoins en eau agricoles et domestiques fonctionnant à diverses échelles spatiales et temporelles. Un prototype basé sur une architecture entièrement orientée services web a été développé. L'outil s'appuie sur les standards Web Feature Service (WFS), Sensor Observation Service (SOS) et Web Processing Service (WPS) de l'OGC. Enfin, la prise en compte des imperfections des données est également abordée avec l'intégration de méthodes d'analyse de sensibilité et de propagation de l'incertitude.