Cette thèse exploite les données de haute fréquence, plus proches des « vrais » processus de prix, mais qui engendrent un certain nombre de problèmes techniques qui nous permettent de réexaminer certains modèles d'évaluation des actifs financiers et la gestion des risques financiers. Nous commençons par explorer un phénomène dénommé « Rose des vents » découvert par Crack et Ledoit (1996) caractérisant les échanges à très haute fréquence. Cette question a déjà fait l'objet de plusieurs études qui n'ont pu complètement caractériser les conditions de cette structure sur quelques titres du marché français. Nous montrons dans un deuxième essai que la précision d'une mesure de risque efficiente, appelée Valeur-en-risque, est améliorée lorsqu'on utilise des données de haute fréquence. Nous exploitons une Analyse en Composants Indépendantes pour extraire les facteurs de risques, et nous montrons qu'elle donne des résultats plus robustes, hors échantillon, qu'une extraction par composantes principales. Nous généralisons ensuite les modèles traditionnels d'évaluation des prix des actifs aux moments d'ordres supérieurs « réalisés ». Nous montrons que cette généralisation améliore sensiblement les estimations. Nous terminons cette thèse par une extension sur l'extraction d'un temps d'échanges implicite qui permet de retrouver une distribution Gaussienne des rendements. Nous obtenons, à partir d'une méthode d'optimisation directe, un temps implicite sur plusieurs titres du marché français des actions.