La géologie, la météorologie, l'épidémiologie, la foresterie, les sciences du sol, l'écologie, ..., sont autant de domaines de recherche où les données ont pour point commun d'être localisées dans l'espace géographique et d'être ni indépendantes, ni identiquement distribuées. Il s'agit d'observations d'un processus aléatoire {Z(s) ; s dans D}, où D est un sous-ensemble du d-espace euclidien, s est une localisation spatiale et Z(s) est une quantité aléatoire. Leur modélisation nécessite de caractériser la dépendance (spatiale) entre différentes observations et leur caractère non homogène : moyenne non constante (variations à grande échelle) et/ou hétéroscédasticité (variations à petite échelle). On s'intéressera au cadre géostatistique où la variable d'étude se déploie continûment sur le domaine D et où Z(s) est un vecteur aléatoire en s. Il s'agira dans un premier temps de justifier le choix d'outils de statistique spatiale pour faire de l'estimation, prédiction à partir de telles données. Nous verrons ensuite comment caractériser l'organisation spatiale des variables étudiées (analyse variographique) et présenterons la méthode de krigeage qui permet de prévoir la valeur prise par une variable en un site non échantillonné à partir d'observations ponctuelles en des sites voisins.