Dans ce travail de thèse, des outils d’assimilation de données sont utilisés pour augmenter les performances de solveurs de mécanique des fluides dédiés à la simulation des grandes échelles. L’objectif est d’améliorer la prédiction et l’étude d’évènements marginaux nuisibles à l’intégrité des systèmes physiques. Bien que difficile à caractériser et à modéliser, la compréhension détaillée de ces phénomènes physiques complexes est essentielle pour le développement d’applications plus durables. Ces objectifs s’intègrent aux activités de recherche du projet ANR ALEKCIA dans lequel ce travail de thèse s’inscrit. Plus précisément, il s’agit de répondre au besoin de couplage de calculs de mécanique des fluides numérique avec un algorithme d’assimilation de données séquentiel. L’outil CONES (Coupling OpenFOAM with Numerical EnvironmentS),qui a été développé, permet d’y apporter une réponse en s’appuyant sur le logiciel OpenFOAM et le filtre de Kalman d’ensemble. Ce dernier permet à la fois le calibrage des paramètres physiques de la simulation numérique ainsi que l’inférence de champs physiques tels que le champ de vitesse. CONES est mis à contribution pour l’inférence de trois cas d’étude à la complexité grandissante. Le premier optimise les coefficients de fermeture de modèles de turbulence de type RANS pour un écoulement incompressible via l’assimilation de données expérimentales. La calibration de ces paramètres entraîne notamment une amélioration topologique des structures de recirculation de la géométrie. Le cas démontre également l’importance de la qualité des informations de sources hétérogènes observées plutôt que leur quantité. Dans une deuxième étude, la simulation des grandes échelles est utilisée pour fournir une prédiction des caractéristiques tridimensionnelles instationnaires d’un écoulement incompressible turbulent en canal. Outre l’optimisation du modèle Smagorinsky, le champ de vitesse est partiellement synchronisé avec les données observées pour favoriser la reconstruction des structures instationnaires. L’influence de certains hyper-paramètres tels que l’inflation est mise en lumière. Enfin, une variante de l’algorithme de Kalman, le filtre de Kalman d’ensemble hyper-localisé, est développée pour le dernier cas d’étude. Cette méthode permet notamment une diminution du coût de calcul. Elle est utilisée pour l’inférence d’une LES de l’écoulement compressible d’une géométrie simplifiée de moteur. La condition d’entrée de référence pulsée est correctement calibrée et le champ de vitesse est localement synchronisé sur les simulations inférées. La correction apportée par l’algorithme montre également une amélioration de la répartition énergétique de la région inférée en adéquation avec la répartition de référence. En conclusion, le potentiel du filtre de Kalman d’ensemble pour la calibration de paramètres physiques et la reconstruction de structures locales grâce à l’observation de données haute-fidélité d’un système réel a été démontré. Ceci permettrait l’étude d’évènements extrêmes pouvant nuire à l’intégrité du système physique grâce à la simulation numérique augmentée de ces phénomènes.