Le moteur à allumage par compression est incontestablement une des solutions pour réduire les émissions de CO2. L’utilisation de forts rapports de compression permet d’atteindre des rendements plus élevés que les moteurs à allumage commandé. Cependant, cette motorisation possède un certain nombre de défauts liés à l’inflammation du carburant et au contrôle du dégagement de chaleur. Ainsi, lorsque le moteur à allumage par compression est associé à un carburant Diesel et utilisant les systèmes d’injection traditionnels, les niveaux des émissions polluantes et du bruit de combustion peuvent devenir critiques. Une solution consiste à décomposer l’injection du carburant en plusieurs pulses (injections multiples) afin d’obtenir un contrôle optimal de la stratification du mélange air-carburant et du taux de dégagement de chaleur. Cette approche, rendue possible par le rail haute pression, est en train de devenir la règle dans les moteurs Diesel. Devant la complexité des phénomènes physico-chimiques rencontrés lors de de la combustion Diesel avec des injections multiples, la modélisation de celle-ci par des outils industriels telle que la modélisation 3D RANS (résolution des équations moyennes) reste un challenge. L’amélioration des modèles est donc essentielle afin de prédire le dégagement de chaleur et les émissions polluantes. Etant donné le manque de résultats expérimentaux précis, suffisamment détaillés et complets, l’amélioration substantielle des modèles reste problématique. La simulation numérique directe (DNS) est donc un outil permettant de générer des résultats détaillés et ainsi de développer et évaluer des modèles pour la simulation RANS. Dans cette thèse, différents modèles de combustion reposant sur une approche tabulée de la chimie ont été évalués afin de dégager leurs voies d’amélioration dans des configurations d’injections multiples, en ayant recours à des DNS de configurations représentatives d’injections multiples. Une base de données DNS représentative du problème a été construite, analysée et a servi ensuite de support à l’analyse approfondie des modèles étudiés. A la suite de cette analyse, certaines hypothèses sous-jacentes aux modèles ont été revisitées.