Le domaine du calcul haute performance (HPC) vise à fournir aux scientifiques des systèmes capables de répondre aux exigences d'applications scientifiques complexes. Ces systèmes, les supercalculateurs, sont en constante évolution afin de relever de nouveaux défis et de répondre à de nouvelles exigences. Cependant, bien que la puissance de calcul de ces plateformes soit généralement le principal critère pour les définir, des infrastructures entières doivent passer à l'échelle pour atteindre les performances visées. En particulier, ces dernières années le volume de données traitées par le HPC a connu une augmentation drastique, et en retour, les exigences et les limites des systèmes de stockage à grande échelle ont pris une place centrale. Il est ainsi fondamental d'obtenir des connaissances suffisantes sur la manière dont les applications utilisent ces ressources et sur la manière de répondre à une large variété de cas d'utilisation afin d'obtenir de meilleures performances. Dans cette thèse, nous présentons une méthode pour acquérir de telles connaissances : permettre une meilleure simulation des systèmes de stockage complexes, afin de faciliter l'exploration rapide et en profondeur d'un large éventail de politiques de gestion, de choix de conception ou d'atténuation des goulots d'étranglement propres au HPC.