Le filtre de Kalman est largement utilisé pour l'assimilation de données en océanographie opérationnelle, notamment dans le cadre de prévisions. Néanmoins, à l'heure où les applications de l'assimilation de données tendent à se diversifier, notamment avec les réanalyses, la formulation tridimensionnelle (3D) du filtre n'utilise pas de façon optimale les observations. L'extension de ces méthodes 3D (filtre) à une formulation 4D (appelés lisseurs), permet de mieux tirer partie des observations en les assimilant de façon rétrograde. Nous étudions dans cette thèse la mise en place et les effets d'un lisseur de rang réduit sur les réanalyses, dans le cadre d'une configuration réaliste de la circulation océanique en Atlantique tropical. Ce travail expose dans un premier temps les aspects sensibles mais nécessaires de l'implémentation du lisseur, avec notamment la paramétrisation des statistiques d'erreur et leur évolution temporelle. Les apports du lissage sur les réanalyses sont ensuite étudiés, en comparant la qualité de la solution lissée par rapport à la solution filtrée. Ces résultats permettent d'exposer les bienfaits d'une assimilation 4D. On observe notamment une diminution de l'erreur globale de environ 15% sur les variables assimilées, ainsi qu'une bonne capacité du lisseur à fournir une solution cohérente avec la dynamique de référence. Ce point est illustré par le rephasage de certaines structures sensibles comme les anneaux du Brésil. Enfin, un cas moins en accord avec la théorie mais plus facile à mettre en pratique (et plus souvent utilisé dans les centres opérationnels), l'interpolation optimale, a permis d'étudier les apports du lissage et ses limites dans une telle configuration. L'évolution temporelle des erreurs pour le lissage s'est ainsi révélée nécessaire pour garder un maximum de cohérence avec les erreurs réelles. Néanmoins, le lisseur montre tout de même des résultats encourageant avec l'interpolation optimale en abaissant le niveau global d'erreur (de 10 à 15%).

Le filtre de Kalman est largement utilisé pour l'assimilation de données en océanographie opérationnelle, notamment dans le cadre de prévisions. Néanmoins, à l'heure où les applications de l'assimilation de données tendent à se diversifier, notamment avec les réanalyses, la formulation tridimensionnelle (3D) du filtre n'utilise pas de façon optimale les observations. L'extension de ces méthodes 3D (filtre) à une formulation 4D (appelés lisseurs), permet de mieux tirer partie des observations en les assimilant de façon rétrograde. Nous étudions dans cette thèse la mise en place et les effets d'un lisseur de rang réduit sur les réanalyses, dans le cadre d'une configuration réaliste de la circulation océanique en Atlantique tropical. Ce travail expose dans un premier temps les aspects sensibles mais nécessaires de l'implémentation du lisseur, avec notamment la paramétrisation des statistiques d'erreur et leur évolution temporelle. Les apports du lissage sur les réanalyses sont ensuite étudiés, en comparant la qualité de la solution lissée par rapport à la solution filtrée. Ces résultats permettent d'exposer les bienfaits d'une assimilation 4D. On observe notamment une diminution de l'erreur globale de environ 15% sur les variables assimilées, ainsi qu'une bonne capacité du lisseur à fournir une solution cohérente avec la dynamique de référence. Ce point est illustré par le rephasage de certaines structures sensibles comme les anneaux du Brésil. Enfin, un cas moins en accord avec la théorie mais plus facile à mettre en pratique (et plus souvent utilisé dans les centres opérationnels), l'interpolation optimale, a permis d'étudier les apports du lissage et ses limites dans une telle configuration. L'évolution temporelle des erreurs pour le lissage s'est ainsi révélée nécessaire pour garder un maximum de cohérence avec les erreurs réelles. Néanmoins, le lisseur montre tout de même des résultats encourageant avec l'interpolation optimale en abaissant le niveau global d'erreur (de 10 à 15%). / The Kalman filter is widely used in data assimilation for operational oceanography, in particular for forecasting problems. Yet, now that data assimilation applications tend to diversify, with reanalysis problems for instance, the three-dimensional (3D) formulation of the filter doesn't allow an optimal use of the observations. The four-dimensional extention of the 3D methods, called smoothers, allows a better use of the observations, assimilating them on a retrospective way. We study in this work the implementation and the effects of a reduced-rank smoother on reanalysis, with a realistic tropical Atlantic ocean circulation model. First we expose some sensitive steps required for the smoother implementation, most notably the covariances evolution parametrisation of the filter. The smoother's benefits for reanalysis are then exposed, compare to a 3D reanalysis. It shows that the global error can be reduced by 15% on assimilated variables (like temperature). The smoother also leads to an analyzed solution dynamically closer to the reference (compare to the filter), as we can observe with phasing of Brazil rings for instance. Finally, we studied a case of smoothing based on optimal interpolation (instead of the filter). This case is inconsistent with the theory but often used in operational centers. Results shows that the smoother can improve the reanalysis solution in an OI case (reducing the global error from 10 to 15%), but still the dynamical evolution of error covariances (filter) are needed to get a correction according with the real error structures.