La modélisation des maladies infectieuses représente un outil important pour évaluer la vulnérabilité d'une population à l'introduction d'un nouveau agent pathogène. La possibilité d’enregistrer les contacts responsables de la propagation des maladies représente à la fois une ressource et un défi pour les modèles épidémiques. En particulier, l'interaction entre la dynamique des maladies et l'évolution dans le temps des structures de contact influence la façon dont les agents pathogènes se propagent, en changeant les conditions qui mènent à une flambée épidémique (seuil épidémique). Jusqu'à maintenant, les chercheurs n'ont caractérisé le seuil épidémique sur des structures de contact qui évoluent dans le temps que dans des contextes spécifiques. En utilisant un formalisme multi-couches, nous calculons analytiquement le seuil épidémique sur un réseau temporel générique. Nous utilisons cette méthode pour évaluer l'impact de la résolution temporelle et la durée du réseau sur l'estimation du seuil. De plus, grâce à cette méthode, nous évaluons la vulnérabilité globale de différents systèmes à l'introduction d'agents pathogènes, et en particulier nous analysons les réseaux de mouvements des bovins. Les données de contact souvent ne sont pas disponible en temps réel, et cela limite notre capacité de prévision. Pour répondre à ça, nous développons une méthodologie numérique pour prédire le risque épidémique ciblé, qui repose uniquement sur les données de contact passées. Notre travail fournit de nouvelles méthodologies pour évaluer et prédire le risque associé à un agent pathogène émergent, à la fois à l'échelle de la population et en ciblant des hôtes spécifiques. / Infectious disease modeling represents a powerful tool for assessing the vulnerability of a population to the introduction of a new infectious pathogen. The increased availability of highly resolved data tracking host interactions is making epidemic models potentially increasingly accurate. Integrating into them all the features emerging from these data, however, still represents a challenge. In particular, the interaction between disease dynamics and the time evolution of contact structures has been shown to impact the way pathogens spread, changing the conditions that lead to the wide-spreading regime, as encoded in epidemic threshold. Up to now researchers have characterized the epidemic threshold on time evolving contact structures only in specific settings. Using a multilayer formalism, we analytically compute the epidemic threshold on a generic temporal network, accounting for several different disease features. We use this methodology to assess the impact of time resolution and network duration on the estimation of the threshold. Then, thanks to it, we assess the global vulnerability of different systems to pathogen introduction, and in particular we analyze the networks of cattle trade movements Data collection strategies often inform us only about past network configurations, and that limits our prediction capabilities. We face this by developing a data-driven methodology for predicting targeted epidemic that relies only past contact data. Our work provides new methodologies for assessing and predicting the risk associated to an emerging pathogen, both at the population scale and targeting specific hosts.