Le but de cette thèse est d'étudier le comportement asymptotique de diffusions auto-interactives sur $\mathbb{R}^d$. Nous étudions deux familles de processus renforcés. La première est régie par l'équation différentielle stochastique $$\mathrm{d}X_t = \mathrm{d}B_t - g(t)\nabla V(X_t -<br />\overline{\mu}_t) \mathrm{d}t,$$ où $\overline{\mu}_t$ est la moyenne de la mesure empirique du processus $X$, $V$ est un potentiel strictement uniformément convexe en dehors d'un compact et $g$ est une fonction donnée. Nous étudions alors le comportement asymptotique de $X$, en fonction de $g$. Selon la forme de $g$, on peut montrer que $X$ converge presque-sûrement (chapitre 1) ou converge en loi (chapitre 2). Dans une seconde partie, nous<br />nous intéressons à une famille plus complexe, correspondant aux diffusions renforcées par la mesure d'occupation. Il s'agit de processus satisfaisant l'équation $$\mathrm{d}X_t = \mathrm{d}B_t -\left( \nabla V(X_t)+\frac{1}{t} \int_0^t \nabla_x W(X_t,X_s) \mathrm{d}s \right) \mathrm{d}t \\<br />\mathrm{d}\mu_t = (\delta_{X_t} - \mu_t)\frac{\mathrm{d}t}{r+t}\\<br />X_0 = x, \mu_0=\mu. $$ Nous établissons une relation<br />entre le comportement asymptotique de $\mu_t$ et le comportement asymptotique d'un système dynamique déterministe (défini sur l'espace des probabilités). Nous étendons alors de précédents<br />résultats à $\mathbb{R}^d$. Nous donnons également des conditions suffisantes pour la convergence de $\mu_t$. Enfin, nous illustrons, au chaptre 5, l'étude précédente de diffusions auto-interactives par quelques exemples en dimension deux.