Consolidation de l'information hydrologique disponible localement et régionalement pour l'estimation probabiliste du régime des crues.

Le praticien, lors de l'etape de predetermination des debits de crue, est souvent confronte a un jeu de donnees restreint. Dans notre travail de recherche, nous avons propose trois nouveaux modeles probabilistes specialement concus pour l'estimation des caracteristiques du regime des crues en contexte partiellement jauge. Parmi ces modeles, deux d'entre eux sont des modeles dits regionaux, i.e. integrant de l'information en provenance de stations ayant un comportement repute similaire a celui du site etudie. Ces modeles, bases sur la theorie Bayesienne, ont montre une grande robustesse au degre d'heterogeneite des sites appartenant a la region. De meme, il est apparu que pour l'estimation des forts quantiles (T ≥ 50 ans), l'idee d'un parametre regional controlant l'extrapolation est pertinente mais doit d'etre integree de maniere souple et non imposee au sein de la vraisemblance. L'information la plus precieuse dont le praticien dispose etant celle en provenance du site d'etude, le troisieme modele propose revient sur l'estimation a partir des seules donnees contemporaines au site d'etude. Ce nouveau modele utilise une information plus riche que celle issue d'un echantillonnage classique de v. a. i. id. maximales puisque toute la chronique est exploitee. Des lors, meme avec seulement cinq annees d'enregistrement et grâce a une modelisation de la dependance entres les observations successives, la taille des echantillons exploites est alors bien plus importante. Nous avons montre que pour l'estimation des quantiles de crues, ce modele surpasse tres nettement les approches locales classiquement utilisees en hydrologie. Ce resultat est d'autant plus vrai lorsque les periodes de retour deviennent importantes. Enfin, part construction, cette approche permet egalement d'obtenir une estimation probabiliste de la dynamique des crues. Abstract To define the design flood, practitioners must often deal with only few data available. The aim of this work was to propose new classes of probabilistic models that are more accurate for this kind of applications. In this perspective, we propose three different models: two regional approaches and a fully local one. Unlike fully local models, the regional approaches include information from other gauging stations. Our results show that the proposed regional Bayesian estimators are more robust to the discordancy degree of the sites within the region. In addition, for larger quantile estimation (T ≥ 50 years), the concept of a regional parameter which controls the tail behaviour seems to be relevant. However, this concept has to be proposed and not imposed within the likelihood function. It is overwhelmingly clear that the most important information one disposes is the target site one. To this aim, we propose a third model that is fully local, i.e., which only uses the latest recorded data. This new model is innovative as the whole time series is involved in the estimation procedure; not only c1uster maxima. Consequently, even with only a five years record length time series, the sample size becomes large. Our results show that, for flood quantile estimations, this model c1early outperforms the estimators conventionally used in hydrology. Furthermore, by definition, this model allows inferences on flood dynamics.