Cette thèse présente une nouvelle approche de filtrage d'ensemble formulée dans un cadre d'espaces de Hilbert à noyau reproduisant (RKHS) évoluant dans le temps. En plongeant les observables dans ces RKHS, la méthodologie s'affranchit de l'hypothèse gaussienne classique et permet des reconstructions rigoureuses sous la forme de combinaisons linéaires des membres de l'ensemble, invariantes dans le temps. Une version localisée de cette méthode, fondée sur la définition de noyaux locaux, est proposée. Les performances de ces méthodes sont évaluées au moyen d'expériences de simulation de systèmes d'observation (OSSE) reposant sur un modèle quasi-géostrophique multicouche de l'Atlantique Nord. Les résultats démontrent que le filtre RKHS, en assimilant des données altimétriques (SSH), surpasse le filtre de Kalman d'ensemble transformé localisé (LETKF). L'approche proposée offre une précision accrue et une stabilité renforcée, en particulier dans les régimes à faible bruit où les méthodes standard tendent à diverger. Enfin, la localisation dégradant la cohérence physique des champs reconstruits, deux stratégies de régularisation sont introduites afin de lisser le gradient spatial des poids analysés.