Dans ce mémoire, nous avons utilisé la cliométrie pour améliorer les projections actuarielles de mortalité, afin de mieux gérer les risques en assurance vie dans les pays en développement et émergents. Les pays développés ont un historique de taux de mortalité par âge datant de plusieurs générations, tandis que les pays émergents et en développement disposent de données moins complètes. D’abord, nous avons développé un modèle interne à facteurs PCR-optimal ou PLS pour améliorer la modélisation de la mortalité par âge. Ensuite, nous avons introduit une stratégie composite pour modéliser les différents âges d'une population, permettant une modélisation indépendante de la mortalité de chaque âge. Par ailleurs, nous avons développé un modèle mixte cliométrique et composite pour améliorer les prévisions à long terme des mortalités dans les pays en rattrapage transitionnel en utilisant l'histoire quantitative des mortalités des pays transitionnellement plus âgés. De plus, nous avons développé un ensemble de modèles cliométriques composites à référence externe pour les pays les moins avancés qui souffrent souvent d'un manque de données historiques. Nous avons ainsi créé plusieurs modèles externes cliométriques et composites adaptés de différents modèles classiques pour aider à surmonter le manque de données historiques. Enfin, les résultats empiriques montrent que ces modèles peuvent aider à améliorer les projections de mortalité dans les pays en développement et émergents, en particulier pour les pays les moins avancés. Cette approche offre donc de nouvelles possibilités pour la modélisation de la mortalité par âge et la gestion des risques en assurance vie.