Cette thèse examine le sujet du risque systémique dans trois cadres empiriques différents. A part de citer la liste des travaux existants liés au risque systémique dans le premier chapitre, nous examinons l'impact de deux facteurs de prise de risque sur le niveau de risque systémique des banques européennes. Le deuxième chapitre étudie l'impact de la structure de propriété sur la contribution du risque systémique de 79 banques dans 16 pays Européens sur la période 2004-2016. Les résultats montrent qu’une concentration plus élevée de la propriété est associée à une plus hausse contribution du risque systémique des banques. De plus, nous avons constaté que la contribution des banques au risque systémique était encore plus forte pour les banques où les investisseurs institutionnels et les États étaient les principaux actionnaires majoritaires. Nous allons plus loin et étudions l’effet des variables réglementaires sur la relation entre le risque systémique et la structure de propriété. Nous constatons que la concentration de la propriété accroît la contribution du risque systémique des banques dans les pays où la garantie des dépôts est élevée, où les fonds propres sont moins exigeants et où la diversification des actifs est plus grande. Le troisième chapitre explore l’effet d’une autre incitation à la prise de risque, la création de liquidités, sur l’exposition et la contribution des banques au risque systémique. Nous utilisons le même échantillon composé de 79 banques européennes au cours de la période 2004-2016. Les conclusions soulignent que, en temps normal, l'exposition au risque systémique des banques est aggravée par une forte création de liquidités. De plus, nous montrons que, en période de crise, une forte création de liquidité affecte négativement non seulement l’exposition des banques au risque systémique, mais également leur contribution. Le chapitre quatre examine une autre facette du risque systémique. En utilisant un échantillon de 134 banques dans 16 pays européens pendant la période 2002-2016, nous avons construit trois méthodes de prévision pour prédire la contribution et l’exposition des banques au risque systémique. Nous utilisons un réseau neurone artificiel, support vecteur machine et la spécification generalized autoregressive conditional heteroskedasticity. Nos résultats montrent que les réseaux de neurones artificiels à deux couches cachées surpassent les autres modèles en ce qui concerne la prévision du risque systémique.