Cette thèse explore la dynamique des piétons à travers des observations expérimentales et des simulations, en se concentrant sur l'aspect opérationnel. Des expériences avec des foules contrôlées révèlent que les piétons manifestent des comportements anticipatoires qui dévient du comportement granulaire. Cette thèse remet en question deux modèles existants de dynamique des piétons, de complexité différente, en montrant leurs limites à capturer les comportements anticipatoires observés. Ces modèles sont jugés trop myopes, se concentrant sur des décisions à court terme sans tenir compte de manière adéquate des anticipations à long terme. Pour remédier à ces lacunes, ce travail propose un modèle basé sur la théorie des jeux à champ moyen (MFG). Les modèles MFG, qui combinent le contrôle optimal et la théorie des jeux, décrivent les interactions entre un grand nombre d'agents via leur densité moyenne. Le modèle MFG prédit avec succès les schémas d'anticipation expérimentaux en incorporant un taux de réduction qui ajuste l'importance des événements futurs dans le processus d'optimisation. De plus, la thèse présente deux projets corollaires. Le premier a pour but d'integrer les MFG avec des modèles microscopiques basés sur les agents pour traiter des scénarios nécessitant des interactions individuelles détaillées, comme les évacuations. Le second explore l'utilisation des Physics Informed Neural Networks pour résoudre les équations des MFG.