Les réseaux de régulation biologiques sont des systèmes complexes dans lesquels les entités biologiques interagissent entre elles, faisant ainsi émerger des comportements particuliers. Dans cette thèse, nous proposons une méthodologie générale afin de mieux comprendre les mécanismes en jeux dans ces réseaux de régulation et tout particulièrement dans ceux ayant un comportement oscillatoire. De façon générale, les différentes parties de cette méthodologie ont pour but, soit d'analyser des systèmes biologiques de plus en plus grands, soit de raffiner les analyses sur des modèles moins conséquents. Ces travaux utilisent les propriétés temporelles des modèles biologiques qui sont souvent abondantes mais encore relativement peu exploitées. Pour parvenir à intégrer les données temporelles, nous avons développé des modélisations hybrides qui combinent dans leurs comportements des aspects purement qualitatifs ainsi que des aspects continus (dans les notions temporelles quantitatives). La première partie de cette méthodologie générale consiste à utiliser une modélisation hybride nommée TEM (pour modélisation d'évolution temporelle) qui permet une pré-analyse du système biologique. L'avantage de cette modélisation est qu'elle utilise des paramètres qui sont très proches des données biologiques et qu'elle peut fournir des résultats d'intérêt à partir d'un nombre réduit d'hypothèses simples. Néanmoins, plus nous fournissons de données sur le modèle biologique dans l'approche TEM et plus les résultats obtenus sont précis. La seconde partie de notre méthodologie générale consiste à reprendre des modélisations existantes et couramment utilisées (la modélisation par équations différentielles par morceaux (PLDE) et la modélisation discrète de R. Thomas) et d'y ajouter de nouvelles méthodes conjointes. La première méthode permet d'obtenir l'ensemble des contraintes nécessaires et suffisantes pour le paramétrage d'un modèle d'après des spécifications. Ceci peut permettre de découvrir des caractéristiques communes à l'ensemble des paramétrages validant les spécifications du modèle mais également d'obtenir l'ensemble de ces paramétrages grâce à un solveur de contraintes. La seconde méthode permet de décomposer les dynamiques obtenues à partir du paramétrage d'un modèle. Cette méthode peut servir à mieux comprendre les dynamiques ainsi obtenues en sachant si un comportement correspond à un ensemble de sous-comportements et si oui lesquels. La méthode peut également servir à travailler sur un sous-ensemble de la dynamique en ne prenant en compte que les sous-comportements intéressants, par rapport à certaines préoccupations. Enfin, la dernière partie de cette thèse consiste en une modélisation nommée modélisation TDD (pour modélisation par décomposition des domaines temporels) et permettant de raffiner les analyses précédentes. Cette modélisation est basée sur la modélisation PLDE et la modélisation discrète de R. Thomas afin de profiter pleinement des méthodes que nous avons développées. En fait, cette modélisation, tout comme dans la première modélisation présentée dans cette thèse, est une modélisation hybride qui utilise également la notion de temps via des paramètres temporels.