Les modèles hydrologiques sont largement utilisés pour la prévision opérationnelle des crues. La fiabilité des prévisions est toutefois affectée par de nombreuses incertitudes, notamment sur les données d'entrées, l'estimation des paramètres et la structure du modèle hydrologique. Les méthodes d'assimilation constituent un outil efficace pour améliorer la qualité des prévisions, grâce à l'amélioration de leurs conditions initiales, en utilisant les derniers débits observés disponibles. Cette étude a le double objectif de comparer les performances de deux techniques d'assimilation, le filtre de Kalman d'ensemble (EnKF) et le filtre particulaire (PF), et également d'évaluer différentes configurations des schémas de perturbation et mise à jour des variables d'état du modèle. Les analyses réalisées visent à identifier les principales limites et potentialités du système d'assimilation, lorsqu'appliqué à un modèle hydrologique global et conceptuel, tel que GR5J. La qualité des prévisions hydrologiques à échéance de dix jours est évaluée en condition de prévisions météorologiques parfaites à 232 stations de mesure de débits en France, sur la période 2006 - 2011. Les résultats montrent que la perturbation des forçages météorologiques ne suffit pas pour garantir une bonne dispersion des ensembles. Lorsque l'incertitude de l'estimation des paramètres est prise en compte, l'EnKF est plus performant que le PF, grâce à une plus grande dispersion de l'ensemble. Le PF garantit en revanche une amélioration significative des prévisions lorsque l'incertitude des prévisions est représentée par la perturbation des variables d'état du modèle. En effet, cette technique permet de préserver la cohérence physique entre les états du système, qui en revanche est compromise par l'EnKF.