La prédiction des conditions atmosphériques et de turbulence présente un grand intérêt pour la communauté astronomique et les télécommunications optique en espace libre. La connaissance a priori des conditions atmosphériques plusieurs heures avant les observations permet d'optimiser la programmation des observations astronomiques appelée "flexible scheduling". Dans le domaine des télécommunications optiques en espace libre, elle peut aider à identifier la station optique au sol la moins impactée par la turbulence et à identifier à quelle période, la qualité optique de l'atmosphère est favorable à la transmission/réception. Dans cette thèse, une approche numérique basée sur le modèle Weather and Research Forecasting (WRF) couplé à différents modèles de turbulence optique a été utilisée. Des travaux d'optimisation de la prédiction par une méthode de "site learning", ont été réalisés, en considérant l'importance de l'utilisation des mesures locales pour améliorer le modèle de turbulence et mieux prendre en compte les spécificités locales d'un site donné. Cette méthode a été testée sur le site de l'Observatoire de Calern, France. Les résultats ont montré que le "site learning" apporte une amélioration de la prédiction. Des études de sensibilité aux différentes options du modèle ont été développées pour définir une méthodologie standard pour obtenir une configuration optimale de WRF. Cette technique a été appliquée au site de l'Observatoire de Cerro Pachón, au Chili. Toujours dans cette quête de prise en compte des spécificités d'un site, on s'est doté d'une nouvelle expérience consistant en un drone instrumenté pour améliorer la prédiction dans la couche limite planétaire. Les résultats d'une campagne de mesure réalisée sur le site de l'Observatoire de Calern sont présentés.