La détermination des caractéristiques vibratoires est une étape cruciale lors du processus de certification d'une structure ou lors de l'évaluation de sa détérioration. Quelle que soit la technique utilisée, l'identification des modes d'une structure nécessite d'effectuer des essais de vibration. Durant ces essais, on effectue des mesures qui permettent d'observer la réponse du système à une excitation connue, partiellement connue ou inconnue. Les méthodes d'identification modale sont des méthodes globales. Elles permettent de déterminer les modes de la structure à partir d'un post-traitement des données mesurées. Certaines techniques d'identification modale, telles que les méthodes basées sur la minimisation d'erreur de modélisation ARX ou les méthodes sous-espaces, se sont fortement répandues dans le monde industriel ces quinze dernières années. Cependant, malgré ce succès, ces méthodes ne fourniront jamais les paramètres modaux exacts de la structure étudiée. En effet, à cause de nombreuses sources d'erreurs (e.g. bruits sur les capteurs, bruits environnementaux), l'identification modale à partir de données réelles ne peut mener qu'à des estimations des paramètres modaux. Une estimation est par définition entachée d'une erreur statistique, la variance. Le but de cette thèse est l'étude approfondie de l'estimation de cette erreur statistique. Le manuscrit est découpé en trois partie. La première concerne la description détaillée de deux familles d'identification modale (minimisation d'erreur de modélisation ARX et méthodes sous-espace). La seconde partie décrit le principe de l'estimation des incertitudes et fournit les chaînes de propagation des variances. La troisième partie présente une validation poussée de ces méthodes dans le but d'une utilisation opérationnelle. / Determinination of vibration characteristics is a crucial step for structure certification or health monitoring. Whatever the method, modes identification of a structure requires vibration tests. During these tests, measurements are made in order to observe responses of the system to known, partially known or unknown excitations. Modal identification methods are global methods. They allow the determination of modes from data post-treatment. Some modal identification methods, such as those based on ARX modelisation error minimisation or subspace methods, have been largely spread into the industry for about fifteen years. Despite this succes, these methods will never provide exact results. Indeed, due to numerous error sources (e.g. sensor noises, environmental noises), modal identifications based on measured data can only lead to modal parameters estimations. By definition, an estimation is subject to statistical errors, also called variances. The purpose of this thesis is to give an in-depth study of these statistical errors estimation. This document is divided in three parts. Firstly, a description of two kind of modal identification methods (ARX modelisation error minimisation and subspace methods) is given. Secondly, the uncertainty estimation principle is explained and propagation schemes of variances are given. Finally, the third part provides an in-depth validation of these methods in order to proceed to industrial utilisations.