Cette thèse traite de modélisation des systèmes complexes. Dans ce cadre, l'approche est basée sur les Modèles Structurés en Second Ordre (MSSO). Afin d'utiliser cette classe de modèles, les propriétés telles que l'atteignabilité, l'observabilité et les grammiens, bien connues pour les réalisations d'états, sont étendues aux MSSO.Lors de la co-simulation d'un système, des éléments de natures différentes (physiques et logicielles) sont intégrés et la simulation est effectuée en temps réel. Or, les modèles d'ordre élevés sont couteux en temps de calcul, ce qui rend difficile ce type de simulation. Ainsi, des méthodes de réduction de modèle sont explorées. En particulier, de nouvelles méthodes, permettant de préserver la structure des modèles avec une bonne erreur d'approximation sont présentées.Ces développements sont appliqués à la co-simulation de modèles véhicules sous forme de MSSO. Le modèle créé est un modèle par blocs, complexe et non-linéaire. Afin d'appliquer les méthodes de réduction de modèle il est nécessaire de le linéariser. La structure par blocs permet de linéariser l'ensemble du modèle ou de ne linéariser que certaines sous parties du modèle.Ensuite, l'identification des paramètres est effectuée pour chaque sous-systèmes du véhicule. Une méthode d'interconnexion est ensuite proposée pour créer une représentation monobloc du modèle afin de réduire ce dernier. Au final, des essais en co-simulation de la partie arrière du véhicule sous forme de modèle interconnectée avec la partie avant du véhicule physiquement présente sur un banc de test, valide notre approche pour effectuer de la co-simulation temps réel avec matériel.x / This thesis studies the modeling of complex systems. In this framework, the approach is based on Second Order Form Model (SOFM). In order to use this kind of models, properties such as the reachability, the observability, the gramians and the Markov parameters, well known for state-space representation, are extended to the SOFM. During the co-simulation of a system, its physical parts are interconnected to models which simulate the system environement and the simulation is performed in real time. However, the simulation of high order models consumes to much time to be performed in real time. Therefore, model order reduction methods are studied. Particularly, new methods preserving SOFM structure with a good approximation error are presented. These developments are applied to the vehicle dynamic. Hence, a vehicle SOFM model is developed. The created model is a blockwise model where each blocks describes a part of the vehicle. This model is complex and non-linear. In order to apply the model order reduction methods, model linearisation is necessary. The block modeling allows to linearise the full model or allows to linearise some part of the model. Then, the identification of the model parameters is done by vehicle sub-system. In addition, an interconnection method is proposed to build a monobloc model in order to reduce it. Finally, co-simulations of the model vehicle rear part interconnected to the physical front part of the vehicle show the capacity to make co-simulation with the reduced models.