En Guadeloupe, actuellement, 5,92% de la demande en énergie électrique sont couverts par la filière photovoltaïque et 3,14% par la filière éolienne soit 9,06% pour leur production cumulée selon le bilan 2015 de l’OREC (Observatoire Régional de l’Energie et du Climat). Selon le plan énergétique régional de prospection, la production cumulée du photovoltaïque et de l’éolien devrait représenter 14% du mix électrique en 2020 et 18% en 2030. Pour atteindre les 14% du mix électrique d’ici les cinq prochaines années, il va donc falloir entre autres, améliorer la prédictibilité pour un développement à un rythme soutenu de ces énergies. Ces travaux de recherches ont consisté à apporter de nouveaux résultats de performance de prévision de l’ensoleillement global à court terme et à donner une connaissance plus fine de la ressource sur trois stations en Guadeloupe. L’étude est basée sur une analyse et un modèle de prévision de l’ensoleillement, faisant intervenir des paramètres spatiaux et temporels. La littérature montre qu’un important nombre de sites est en général utilisé pour une analyse spatio-temporelle, ce qui impliquerait pour nous, de poser de multiples capteurs sur l’ensemble du territoire. Les coûts d’un tel système seraient considérables. Notre approche ici consistera à effectuer une analyse spatio-temporelle sur trois stations. Avec peu de stations et des distances non uniformes nous avons donc cherché à développer un modèle de prévision de l’ensoleillement à court terme en dépit de ces contraintes qui ne répondent pas à une approche classique. Le modèle est basé sur une méthodologie VAR (Vecteur Autorégressif) incluant des paramètres spatiaux et temporels. Une stratégie de sélection des variables est développée afin de sélectionner les prédicteurs (stations) utiles pour la prévision sur une localisation. Cette stratégie itérative permettra d’une part d’être plus proche de la réalité, d’autre part d’un point de vue algorithmique, la tendance des calculs sera plus rapide. En amont du développement du modèle, une étude de la variabilité spatio-temporelle de l’ensoleillement a permis de quantifier et caractériser de manière fine, les interactions dynamiques entre ces trois stations. Par comparaison avec les modèles de la littérature, notre modèle de prévision montre une bonne performance avec des valeurs de RMSE relative allant de 17,48% à 23,79% pour des horizons de prévisions de 5 min à 1h. Les méthodologies développées pourraient à terme offrir une opportunité d’assurer des garanties au gestionnaire du réseau. Si d'avenir des solutions de prévision performantes se généralisaient, cette opportunité permettrait d’ouvrir le marché au-delà du seuil de 30% imposé actuellement. / Currently in Guadeloupe, there is 5,92 % of the electric power request covered by the photovoltaic sector and 3,14 % by the wind sector which represents 9,06 % for their accumulated production, according to the OREC report (Regional Monitoring center of Energy and Climate). According to the regional energy plan, the accumulated production of the photovoltaic and the wind energy should represent 14 % of the electric mix in 2020 and 18 % in 2030. To reach the 14 % of the electric mix within the next five years, we need, among other things, to improve forecast for a sustained development of these energies. These research works consisted in bringing new performance results of short-term forecast of the global solar radiation and in giving a finer knowledge of the resource onto three stations in Guadeloupe. The study is based on an analysis and a forecast model of global solar radiation, by including spatial and temporal parameters. The literature shows that an important number of sites is generally used for a spatio-temporal analysis, which would imply for us, to put multiple sensors on the whole territory. The costs of such a system would be considerable. Our approach here will consist in making a spatiotemporal analysis on three stations. With few stations and not uniform distances, we, thus, tried to define a short-term forecast model of global solar radiation, in spite of these constraints which do not answer to a classic approach. The model is based on a methodology the VAR ( Autoregressive Vector) including spatial and temporal parameters. A strategy of selection of variables is developed to select useful predictors (stations) for the forecast on localization. This iterative strategy, on one hand will allow being closer to the reality, on the other hand to the point of algorithmic view, the trend of the calculations will be faster. Preliminarily, a study of the spatiotemporal variability of global solar radiation, allowed to quantify and to characterize in a fine way, the dynamic interactions between these three stations. Compared with the models of the literature, our forecast model shows a good performance with relative RMSE values going from 17.48 % to 23.79 % for horizons from 5 min to 1 hour. The developed methodologies could eventually offer an opportunity to assure guarantees to the network manager. If in the future the successful solutions of forecast became widespread, this opportunity would allow the opening of the market beyond the 30 % threshold imposed at present.