Lorsqu'on modélise un système pour évaluer ses performances, l'un des outils principaux est le processus de Markov, pour la richesse des résultats et des algorithmes associés. L'inconvénient est que parfois, le modèle résultant a une énorme quantité d'états, voire un espace d'état infini. Dans ces situations, dans la mesure où les résultats analytiques sont rares, presque toujours la seule solution disponible pour l'analysis des modèles est la simulation. Dans cette thèse nous explorons une autre possibilité, appelée limites fluides, où une séquence de modèles est construite, avec un paramètre N relié à la taille de chaque modèle de la séquence, de telle sorte que les performances du Nème modèle sont proches de celles du système d'origine, quand N tends vers l'infini. Nous considérons 3 familles de systèmes/modèles et nous explorons cette approche, en obtenant des résultats focalisés sur la compréhension de ce phénomène de convergence et sur les propriétés des modèles limites.