L'évaluation de performance de modèles est une étape fondamentale de leur développement et amélioration. Le travail de recherche présenté dans ce manuscrit est consacré l'évaluation des modèles de propagation des incendies des forêts. Une revue des travaux a montré que si de nombreux éléments étaient disponibles, aucune solution normalisée et automatisable était proposée dans ce champ applicatif. Une solution à ce problème est proposée en déclinant une approche formelle développée dans le cadre de la théorie de la modélisation et simulation. Cette étape a permis de déterminer conceptuellement quels composants devaient être développés et comment les interconnecter.La réalisation de ce cadre a requis premièrement la normalisation de données disponibles pour les incendies de forêts, aucun standard de fichier ou même nomenclature n'étant disponible et/ou utilisé par les modélisateurs ou ingénieurs (observations ou simulation). Un ensemble de nom, notation et format d'encodage des données dans un conteneur NetCDF a pour cela été proposée. Une seconde étape a consisté à déterminer les métriques nécessaires à quantifier les erreurs de simulation (score de simulation). Si quatre méthodes standard ont pu être identifiées dans la littérature, nous avons pu montrer qu'elles se limitaient à la comparaison à un instant donné, ne pouvant donc rendre compte de la performance de la dynamique d'une simulation incendie. Cette problématique a été traitée en proposant deux nouvelles méthodes de calcul de score spécifiques. Ces différentes méthodes d'évaluations ont étés implantées au sein d'une bibliothèque de calcul. Enfin la réalisation d'une évaluation de modèles a été réalisée à l'aide d'une implantation du cadre définit précédemment. Cette évaluation a consisté à confronter quatre formulations de modèles de vitesse de front de flammes effectué sur 80 simulations d'incendies réels de manière complètement automatique. L'automatisation, et le non ajustement de paramètres, a ainsi permis de se rapprocher au plus près du contexte opérationnel où peu d'information locale est disponible, peu de temps après l'alerte de l'éclosion d'un incendie. Les résultats ont démontrés que cette approche est de nature à laisser apparaître une hiérarchie des performances de paramétrisations ou formulation relativement à une autre, sans toutefois être en mesure de donner une mesure absolue et objective de l'erreur modèle.