Avec l'avènement de l'ère numérique, accompagnée d'une automatisation et d'une puissance de calcul toujours croissante, le devenir des interactions humains-machines est appelé à des changements inéluctables. Le domaine de l'hydrologie prévisionnelle n'est pas indifférent à cette nouvelle réalité en regard des progrès constants de l'intelligence artificielle. En effet, il existe trois catégories de systèmes distincts qui interviennent en hydrologie prévisionnelle: manuel (in-the-loop), automatisé (out-of-the-loop) et supervisé (over-the-loop). Ces systèmes se distinguent par les interactions humains-machines qui les constituent. Le premier système nécessite indispensablement des interactions à son bon fonctionnement. Le second est complètement passif pour un usager externe et totalement hermétique. Le dernier permet des interactions, comprend des indicateurs de dysfonctionnement tout en étant complètement automatisée. Cette thèse est née de la conjoncture liée à deux initiatives indépendantes : (1) une dizaine d'années de recherche et développement menant à la création de HOOPLA "HydrOlOgical Prediction LAboratory"; et (2) l'implantation d'un nouveau système de gestion de données et de prévisions et d'alertes hydrologiques à la Direction de l'Expertise Hydrique du Québec permettant d'incorporer plusieurs systèmes de prévisions. Ce projet de recherche a pour motivation première l'amélioration des outils disponibles pour effectuer des prévisions hydrologiques dans le bassin versant du Saint-Laurent tout en laissant place au savoir et aux connaissances des experts-hydrologues. Pour ce faire, un système de prévisions hydrologiques opérationnel et complètement automatisé est mis en place tout au long du projet. Ce dernier, basé sur HOOPLA, incorpore plusieurs niveaux de redondance, notamment sur les données d'entrées, les modèles hydrologiques et les méthodes d'arrimage. La redondance est un concept largement utilisé dans les domaines de l'ingénierie, de l'aviation, de la météorologie et de l'informatique. Elle consiste en la duplication de composantes partageant les mêmes fonctionnalités. Elle permet d'établir des diagnostics et d'assurer une meilleure fiabilité. En hydrologie prévisionnelle, la redondance est omniprésente à plusieurs niveaux, mais elle est peu étudiée comme telle. Les résultats montrent qu'il est avantageux de recourir à la redondance interne dans un système. Cette dernière permet de déceler les défaillances et augmente les performances des prévisions lorsque ces dernières sont cohérentes. La multiplicité de systèmes de prévisions présente un enjeu de taille en ce qui concerne les dépassements de seuils. Cette thèse met en lumière les différentes mises en oeuvre possibles de la redondance en hydrologie prévisionnelle et expose ses enjeux et avantages dans un contexte opérationnel et heuristique. / With the advent of the digital era, with ever increasing automation and computing power, the future of humanmachine interactions is bound to change. The field of predictive hydrology is not indifferent to this new reality in view of the constant progress of programmable intelligence. Indeed, there are three distinct categories of systems involved in predictive hydrology: manual (in-the-loop), automated (out-of-the-loop) and supervised (over-the-loop). These systems are distinguished by the human-machine interactions that constitute them. The first system requires interactions for its proper functioning. The second one is passive and totally independent for a user, without however ensuring its good functioning. The last one allows for interactions and includes indicators of dysfunction while being completely automated. This thesis was born from the conjunction of a decade of research and development leading to the creation of HOOPLA "HydrOlOgical Prediction LAboratory" and the implementation of a new data management system and hydrological forecasts and alerts of the Direction de l'Expertise Hydrique du Québec allowing to incorporate several forecasting systems. This research project is primarily motivated by the improvement of the tools available to make hydrological forecasts in the St. Lawrence watershed while leaving room for the knowledge of expert hydrologists. To do so, an operational and fully automated hydrological forecasting system is be implemented throughout the project. This system, based on HOOPLA, incorporates several levels of redundancy, notably on input data, hydrological models and docking methods. Redundancy is a widely used tool in the fields of engineering, aviation, meteorology and computer science. It consists in the duplication of components sharing the same functionality. It allows to establish diagnoses and to ensure a better reliability. In predictive hydrology, redundancy is ubiquitous at several levels, but it is little studied as such. The results show that there are benefits to using internal redundancy in a system. The latter allows to detect failures and increases the performance of predictions when the latter are consistent. External system redundancy presents a significant challenge with respect to threshold violations. This thesis highlights the different possible implementations of redundancy in predictive hydrology and exposes its issues and benefits in an operational and heuristic context.