Les reseaux de Petri stochastiques sont des outils performants pour modeliser les processus industriels ainsi que les defauts et reprises qui les affectent. Dans cette these on s'interesse a l'identification de la structure et des parametres des reseaux de Petri stochastiques et stochastiques-deterministes (incluant des durees de franchissement exponentielles et constantes) a partir des sequences d'evenements dates et enregistres par les systemes de supervision. Un algorithme d'apprentissage supervise est developpe pour construire la structure du modele. Cet algorithme est base sur la retro-propagation d'une erreur associee a la causalite des evenements. Ensuite, une methode d'identification des parametres est proposee. Cette methode realise une analyse statistique du contenu de la sequence et exploite un modele de Markov isomorphe au graphe d'atteignabilite du reseau de Petri. Enfin, les modeles construits sont utilises pour des etudes de fiabilite ainsi que pour detecter et localiser les defauts."