Cette thèse propose une approche de modélisation d'un processus adaptatif et itératif de collecte des données, ainsi qu'un outil de validation via des indicateurs d'efficacité opérationnelle de l'équipement. Une approche nommée "Tropos", établie grâce à la théorie de l'information, est donc développée pour modéliser et évaluer le processus de collecte de données. L'approche, originale, permet de synthétiser trois indicateurs qui caractérisent l'efficacité du processus de collecte : 1) utilité des données, 2) complexité du processus, 3) gain d'information par une activité élémentaire du processus. Un modèle original, basé sur les réseaux de Pétri stochastiques colorés couplé à la simulation Monte Carlo, est également proposé pour valider l'efficacité du processus de collecte de données. Ce modèle utilise comme données d'entrée les modèles des processus stochastiques de dégradation, de défaillance et de maintenance des composants de l'équipement. Les paramètres des modèles d'entrée sont supposés connus et extraits des données collectées. Les propriétés du modèle réseau de Pétri stochastique coloré permettent d'extraire les coupes minimales indispensables à l'évaluation de l'état et de l'efficacité opérationnelle de l'équipement. Elles permettent également de traiter les systèmes de structure k/n. L'effectivité de l'approche proposée est enfin illustrée sur un système de production d'énergie multi-source renouvelable, grâce à l'implémentation des algorithmes du modèle sous le logiciel Silab