L’effet de lentille gravitionnelle faible (WL) déforme les images des galaxies observées. Il porte des informations sur les grandes structures et nous apprend l’évolution de l’Univers. Une façon d’extraire des informations de WL est d’utiliser les statistiques d’ordres supérieurs à deux, en particulier le comptage de pics. Les pics indiquent la présence des halos et mesurent la fonction de masse. Ils sont considérés comme un bon outil pour contraindre la cosmologie. Dans cette thèse, on développe un nouveau modèle de prédiction sur le nombre des pics. Celui-ci génère des simulations des halos et sélectionne les pics à partir de la carte de WL résultante. Cette approche jouit de trois avantages. D’abord, le modèle est rapide: une réalisation s’obtient en quelques secondes. Ensuite, il est aisé d’y inclure les effets observationnels. Enfin, on a accès à la distribution complète des observables grâce à son caractère stochastique. On montre que notre modèle est en accord avec les simulations à N-corps. Puis, on examine des méthodes de contraintes variées. Un accent est mis sur la computation bayesienne approximative (ABC) qui est un processus d’acceptation/rejet ne nécessitant pas d’évaluer la fonction de vraisemblance. On montre que ABC fournit des contraintes cohérentes en un temps plus faible que la méthode classique. Des méthodes de filtrage, pour améliorer l’extraction des informations multi-échelles, sont étudiées. Enfin, le nouveau modèle est appliqué sur les données des relevés. Nos résultats préliminaires sont en accord avec ceux de Planck, en admettant le modèle Lambda-CDM. Dans l’ensemble, cette thèse bâtit un chemin pionier pour les futurs relevés de WL.