Les pays du pourtour méditerranéen font face à des épisodes d'inondations causés par des événements de précipitations extrêmes. Ces phénomènes peuvent causer des dégâts matériels importants, perturber les activités socio-économiques et causer des dommages environnementaux. Il est donc essentiel de mieux comprendre cet aléa et de développer des stratégies de gestion des risques. Dans ce but, cette thèse a pour objectif de développer des modèles permettant d'estimer des scénarios pluviométriques à haute résolution spatiale. Cela revêt une importance cruciale pour la mise en place d'outils d'aide à la décision en vue d'une meilleure gestion des ressources et des risques.Une manière de mesurer le risque associé à ces événements est de faire appel à la théorie statistique des valeurs extrêmes. En effet, les précipitations sont soumises à diverses caractéristiques spatiales et leur intensité peut être très variable. Cette variabilité spatiale crée des schémas de précipitations non-stationnaires, ce qui nécessite des approches spécifiques pour leur modélisation. Dans ce but, nous proposons d'utiliser les réseaux de neurones artificiels de type Feed-Forward, en tenant compte de la non-stationnarité spatiale grâce à l'intégration de covariables. La sélection du nombre de neurones cachés, de covariables et d'hyperparamètres d’apprentissage, est déterminante pour une modélisation optimale de la fréquence avec laquelle un événement extrême peut se produire.Non seulement les événements extrêmes, mais la distribution complète des précipitations est un élément essentiel à prendre en considération dans certaines applications. En effet, une compréhension approfondie de l'ensemble des données de précipitations, y compris celles qui ne sont pas extrêmes, peut fournir des informations essentielles pour prendre des décisions relatives à la gestion des ressources en eau. Pour cette raison, dans la dernière partie de la thèse, nous avons proposé une modélisation de la distribution des précipitations positives, tout en respectant le comportement des événements extrêmes.L'application de nos approches couvre trois sites d'études situés sur le pourtour méditerranéen: la région de la Méditerranée française, la région du Cap Bon au nord-est de la Tunisie, et la région du Merguellil au centre de la Tunisie. Ces sites d'étude nous ont permis de fournir une vision globale des variations pluviométriques en région méditerranéenne, tout en prenant en compte les spécificités locales de chaque site.