Les nanoparticules (NPs) sont un pilier de la nanotechnologie grâce à leurs propriétés distinctives. Composées souvent de métaux de transition, elles varient de deux à des milliers d'atomes. Cette thèse explore la simulation de ces nanoparticules, en se concentrant sur l'or, l'argent et le cuivre, avec des applications comme l'argent antibactérien ou l'or anticancéreux. Les ions argent interagissent avec l'ADN et la mitochondrie des bactéries, mais une concentration élevée peut être nocive. L'utilisation du thiol stabilise cette interaction en formant une monocouche auto-assemblée dense sur la surface. Différentes structures ont été trouvées selon le métal étudié. Pour l'or, deux structures existent : une adsorption simple (sqrt(3x3)) et une restructurée où les atomes d'or se placent entre les atomes de soufre. Pour l'argent, les thiols peuvent créer la structure sqrt(7x7) ou former un effet core@shell Ag2S. Cette étude vise à vérifier si les méthodes actuelles peuvent prédire ces phénomènes de restructuration et de stabilité des monocouches. La dynamique moléculaire est utilisée pour étudier des systèmes larges, avec le champ de force réactif ReaxFF permettant la cassure et la formation de liaisons pendant les simulations. Un logiciel appelé SAM Maker a été créé pour générer les différentes structures, intégré dans le package NATOMOS. Des structures d'argent (sqrt(7x7)) et d'or (sqrt(3x3)) ont été simulées avec du méthane et du butanethiolate. Le potentiel AgSCH a été utilisé pour étudier la stabilité en chauffant de 0 à 300K, avec des simulations de 0.3, 1 et 3 ns. ReaxFF a montré qu'il peut produire une monocouche stable de butanethiolates sur Ag(111), mais avec des différences pour l'or et l'argent. Les simulations ont révélé des assemblages denses de SAMs sur Ag(111) sans décomposition d'alkanothiolate. Aucune restructuration spontanée n'a été observée, sauf pour les NP inférieurs à 4 nm. À l'avenir, il serait intéressant d'étudier des surfaces d'argent restructurées avec des thiolates et de comparer leurs énergies de liaison.FeNNol, un programme Python, a été utilisé pour créer des potentiels plus précis. La collecte de 300 structures d'or (3 à 25 atomes) a été suivie de dynamiques moléculaires pour générer des structures uniques. Au total, 15 946 structures uniques ont été créées. Des calculs DFT avec la fonctionnelle PBE et la base Stuttgart ont fourni des références d'énergie et de forces pour le potentiel. Un préapprentissage avec ReaxFF a permis de stabiliser les surfaces d'or pur. Les nanoparticules de 2 nm et 4 nm ont donné 20 000 structures de référence. Des ajustements ont ensuite été effectués pour affiner le modèle avec les références DFT, assurant une description précise des clusters.Le modèle final a été testé sur le cluster Au20, montrant une bonne concordance avec la DFT pour les énergies de dissociation. Les distances et énergies des clusters ont été vérifiées, confirmant la précision du modèle. Un autre modèle plus précis a été créé pour des systèmes comprenant moins de 220 atomes d'or, permettant de prédire l'énergie des clusters et leurs distances. En conclusion, cette thèse a démontré l'efficacité des simulations basées sur ReaxFF pour prédire la stabilité des monocouches auto-assemblées sur l'argent. L'utilisation d'algorithmes d'apprentissage a permis de créer des potentiels plus précis pour l'or, ouvrant la voie à des simulations encore plus fiables et détaillées. Ces avancées contribuent à une meilleure compréhension des interactions à l'échelle nanométrique et offrent des perspectives intéressantes pour les applications futures des nanoparticules.