Cette présentation s'intéresse aux processus ponctuels déterminantaux (ou DPP) comme classe de processus ponctuels spatiaux utilisée pour modéliser des jeux de données ponctuelles au caractère répulsif. Nous verrons que la propriété d'association négative des DPPs implique des propriétés d'alpha-mélange ainsi qu'un théorème central limite, plus fort que les TCL classiques basés sur l'alpha-mélange, s'appliquant à une large classe de statistiques sur ces processus. Nous nous intéresserons aussi au problème du calcul numérique de la vraisemblance des DPPs. Bien qu'une expression mathématique de cette vraisemblance soit connue, elle est trop compliquée pour pouvoir être calculée numériquement en pratique. Nous verrons alors comment établir une approximation asymptotique de cette vraisemblance qui, associée à une méthode de correction d'effets de bords, permet d'obtenir une bonne approximation de l'estimateur du maximum de vraisemblance des DPPs avec des performances supérieures aux méthodes classiques d'estimation par minimum de contraste.
