La prédiction de trajectoires d'avions à partir des données disponibles au sol est un problème critique pour le contrôle aérien. Une prédiction fiable et efficace est un prérequis pour l'implémentation d'outils automatiques pour la détection et la résolution de conflits entre les trajectoires. Dans ce contexte, nous proposons de nouvelles méthodes non paramétriques pour la prédiction d'intervalle contenant une proportion attendue des données avec un haut niveau de confiance. Dans un premier temps, nous traitons le problème de l'estimation d'une distribution de probabilité à partir d'un petit échantillon. En considérant l'interprétation des distributions de possibilité comme une famille de distributions de probabilité, nous décrivons un ensemble de distributions de possibilité qui résument différents types d'intervalles statistiques. Ensuite, nous proposons un cadre de travail pour vérifier si un modèle, construit à partir de données, respecte les propriétés de recouvrement requises par les intervalles de prédiction. Nous introduisons aussi deux mesures pour comparer des modèles de prédiction d'intervalle qui ont des tailles moyennes et des taux de recouvrement différents. A partir de nos travaux sur les intervalles statistiques (et leurs distributions de possibilité associés), nous présentons une nouvelle méthode pour induire des intervalles de prédictions bornés pour des méthodes de régression des moindres carrés non paramétriques sans assumer que la prédiction est non biaisée et que les erreurs sont homoscédastiques. Nos intervalles de prédiction sont construits en utilisant des intervalles de tolérances sur les erreurs dans le voisinage du point à prédire. Pour cela, nous décrivons une méthode de sélection de voisinage à taille fixe ou de voisinage à taille variable dépendant de la quantité d'informations autour du point. Nous obtenons un algorithme qui induit, dans la majorité des cas, les intervalles de prédiction fiables les plus petits possibles. Les méthodes que nous proposons sont comparées avec les méthodes les plus connues au niveau théorique et au niveau pratique. Une évaluation est effectuée sur neuf bases de données. La taille, l'efficacité, la fiabilité et la précision des intervalles prédits sont comparés. Ces expérimentations montrent que nos approches sont significativement plus précises et fiables que les autres. Enfin nous appliquons nos méthodes au problème de la prédiction de trajectoires d'avions et nous comparons les résultats avec ceux des méthodes classiques et des modèles physiques.