Cette thèse présente trois sujets de recherche indépendants, liés néanmoins par la question de l'identification de modèles économiques. Le premier chapitre est consacré à l'identification de modèles non-paramétriques instrumentaux. J'étudie tout d'abord la condition de complétude, qui a été utilisée récemment dans la régression non-paramétrique instrumentale ou dans le cadre de modèle à erreurs de mesure. Cet essai considère un modèle non-paramétrique additivement séparable entre les deux variables, avec une condition de large support. Dans ce cadre, différentes versions de la condition de complétude sont obtenues selon les conditions de régularité imposées au modèle. La deuxième partie du chapitre développe une nouvelle méthode pour résoudre la sélection endogène. Celle-ci s'appuie sur l'indépendance entre les instruments et la sélection et la condition précédente de complétude de la variable dépendante pour l'instrument. Une méthode d'estimation et une application sont également proposées. Le deuxième chapitre se concentre sur les modèles d'économie industrielle empirique. Le premier essai considère l'identification non-paramétrique des modèles d'enchères à valeur commune. L'hypothèse identifiante principale est que le support de la distribution des signaux conditionnellement à la valeur du bien varie avec cette valeur. L'intérêt de cette approche est que, hormis cette condition, elle ne repose pas sur des restrictions fonctionnelles, contrairement à la littérature existante. Le deuxième essai étudie le modèle de sélection adverse. Celui-ci est défini par la fonction objectif du principal, l'utilité des agents et la distribution de leur type. Nous prouvons que l'identification de ce modèle nécessite la connaissance d'au moins l'une de ces trois fonctions. Nous montrons également que des changements exogènes dans la fonction objectif du principal sont suffisants pour obtenir une identification partielle ou totale. Une méthode d'estimation non-paramétrique est proposée et utilisée pour tester l'optimalité des contrats. Le troisième chapitre, enfin, se focalise sur les modèles d'effets de pairs. Alors que ces modèles sont généralement considérés comme non-identifiés, nous montrons qu'une légère modification du modèle linéaire standard permet en général d'identifier les paramètres structurels, en utilisant les variations de taille de groupe. Ces résultats sont étendus à une version binaire de ce modèle.