On propose une perspective originale d'analyser les différents flux hautes fréquences d'information provenant des marchés financiers et fournit des modèles simples et intuitives qui reflètent étroitement la réalité. On observe les données empiriques et note certains faits stylisés et propose des modèles pour capturer ces faits. Dans le chapitre 1, on passe en revue les définitions et propriétés de base des marchés électroniques. En particulier, on revoit les travaux de microstructure et de modélisation du marché, et leurs relations à ce travail. On introduit la taille du "tick", qu'on utilise pour classifier les actifs et interpréter les différents résultats. Dans le chapitre 2, on montre empiriquement que l'impact d'une seule transaction dépend de la durée inter-transactions. En effet, lorsque le taux des échanges devient plus rapide, la variance des rendements des transactions augmente fortement et que ce comportement persiste à des échelles de temps plus grossières. On montre également que la valeur du spread augmente avec l'activité et on en déduit que les carnets d'ordres sont plus vide lorsque le taux des échanges est élevé. Dans le chapitre 3, on présente un modèle pour capturer le bruit de microstructure. Les prix des actifs sont représentés par la somme des rendements "tick" arrivant à des temps de Poisson aléatoires. Le modèle se compose d'une martingale diffusive contaminée par un bruit autocorrélé mais disparaissant aux échelles grossières. On est capable de capturer la signature de la variance et l'autocorrélation faible mais significative des rendements "tick". Dans le chapitre 4, on utilise les processus ponctuels de Hawkes pour modéliser l'arrivée aléatoire des transactions. On modélise la transformation échelle fine - échelle grossière des prix et en particulier l'effet sur les moments des rendements des prix. On propose une technique simple d'estimation non paramétrique de la structure de dépendance des processus de Hawkes dans le cas unidimensionnel et dans quelques cas particuliers multidimensionnels. On applique la méthode à des actifs de Future et trouve des noyaux de dépendance en loi de puissance.