Cette thèse introduit tout d’abord une formule générale qui englobe toutes les mesures de pauvret´e uni-dimensionnelles basées sur le revenu. Nous proposons ensuite deux types d’estimateurs non-paramétriques (`a noyau et de type ”plug-in”) pour cet indice général de pauvret´e, tout en étudiant leurs propriétés asymptotiques. Notre méthodologie , basée essentiellement sur la théorie moderne du processus empirique index´e des fonctions, offre un cadre global et rigoureux qui permet d’étudier, avec la même approche, le comportement asymptotique de tous les indices de pauvreté encore disponibles jusqu’ici dans la littérature. Nous obtenons la consistance forte uniforme d’une très large classe de mesures de pauvreté incluant presque tous les modèles d’indices propos´es par les économistes, décomposables comme non décomposables. Ce résultat est utilisé pour construire des intervalles de confiance simultanés, de niveau asymptotiquement optimal (100%). Un théorème central limite uniforme fonctionnel est également établi pour cette large classe d’indicateurs de pauvreté. Comme conséquence, des procédures d’inférence robustes , basées sur le noyau de covariance et utilisant un test de Wald, sont développées afin de comparer de fa¸con non-ambigu¨e deux populations différentes en termes de pauvreté.