Dans ce travail, nous nous sommes intéressés à l.étude de la propriété de décom- position stochastique des systèmes de .les d.attente de type M=G=1, en particulier du système M=G=1 avec rappels et feedback, où la distribution du temps inter-rappels est celle exponentielle. En premier lieu, nous avons passé en revue certains résultats consacrés aux systèmes de .les d.attente classiques. Ces derniers ne prennent pas en considération le phénomène de répétition de demandes de service : Le phénomène en question est étudié par la théorie des .les d.attente avec rappels. Nous avons alors actualisé les résultats connus sur les modèles avec rappels, et avons constaté leur complexité analytique. L.une des approches permettant de faciliter les investigations sur les modèles avec rappels est celle basée sur leur propriété de décomposition stochastique. Vu que cette propriété a été observée pour la première fois pour les systèmes d.attente avec vacances du serveur, nous avons réalisé une synthèse sur le sujet aussi bien dans le cas d.un service exhaustif que dans le cas d.un service non-exhaustif. Après avoir mentionné la relation entre les modèles avec vacances et ceux avec rappels, nous avons présentés les résultats connus sur la décomposition stochastique pour le nombre de clients dans les systèmes avec rappels. En.n, à l.aide de la méthode de la chaîne de Markov induite, nous avons obtenu la propriété de décomposition stochastique du système M=G=1 avec rappels, feedback et rappels exponentiels. Cette propriété dit que le nombre de clients dans le système M=G=1 avec rappels et feedback est la somme de deux variables aléatoires : la première représente le nombre de clients dans le système classique M=G=1 avec feedback, et la seconde est la taille du système avec rappels et feedback étant donné que le serveur est libre. En appliquant cette propriété, nous avons obtenu le taux de convergence du système avec rappels vers le système classique. Notre travail ouvre la perspective suivante : explorer la validité de la propriété de décomposition stochastique du modèle avec rappels et feedback de type M=G=1, et ceci dans le cas de la distribution générale du temps inter-rappels.