La croissance de la puissance des moyens de calcul permet de mettre en oeuvre des codes de simulation de plus en plus complexes. Pour approcher la réalité des phénomènes physiques, ces codes nécessitent un grand nombre de variables d'entrée et délivrent de nombreuses variables en sortie. Pour mesurer la variabilité des sorties et connaître l'influence des diverses variables d'entrée il est nécessaire d'explorer l'espace des variables d'entrée. La dimension de cet espace (de l'ordre d'une dizaine à plusieurs centaines) rend une exploration exhaustive impossible. Pour passer outre cette impossibilité, il faut définir des stratégies fondées sur une connaissance partielle des variables. L'utilisation de modèles stochastiques permet de rendre compte des dépendances à divers niveaux de complexité, autorise la mise en oeuvre d'outils diagnostiques utiles en analyse d'incertitudes et en analyse de sensibilité, et la réalisation de prédictions efficaces. Après avoir présenté quelques notions de base en analyse d'incertitudes et en analyse de sensibilité, nous présenterons une approche raisonnable pour répondre à ce type de problèmes par l'utilisation de méthodes d'analyse de la variance fonctionnelle et de techniques de régularisation.