Les modeles autoregressifs a coefficients aleatoires (RCA) et les modeles autoregressifs conditionnellement heteroscedastiques generalises (GARCH) ont un tres grand interet dans divers domaines d'applications, par exemple dans la finance, l'econometrie, la medecine, la meteorologie, l'hydrologie, le traitement du signal, etc... Cet ouvrage est consacre a la prevision et a l'estimation dans les modeles precites et plus precisement l'elaboration de nouveaux algorithmes de prediction et d'estimation des parametres inconnus de ces modeles en se basant sur le Filtre de Kalman, le quasi-maximum de vraisemblance et quelques methodes d'optimisation stochastique et deterministe dans le but d'ameliorer les methodes qui existent dans la litterature. Le Filtre de Kalman requiert un passage indispensable constitue de la presentation des modeles etudies, en modele espace d'etat, ces deux outils sont devenus importants et puissants dans le domaine de la statistique et de l'econometrie. Ensemble, ils offrent aux chercheurs un cadre de modelisation et de calcul efficace pour l'estimation des parametres inconnus.