Les séries de pluie et de température sont caractérisées par une grande variabilité et des queues de distributions épaisses et surtout les précipitations. La prédiction de telles variables peut être menée via un modèle non-linéaire de type ARIMA-GARCH. Ce modèle permet d'obtenir de meilleures performances de prédiction que les modèles existants. notamment grâce à l'estimation de la variance conditionnelle de l'erreur de prédiction supposée non constante en plus de l'avantage de prédire la marge d'erreur à une probabilité initialement fixée. L'étude a porté sur des séries de température minimale journalière et de température maximale journalière et de pluie journalière enregistrées sur cinq stations de la Tunisie. La validation du modèle ARIMA-GARCH a effectuée tout d'abord par une vérification visuelle de l'accord entre la distribution normale standard et la distribution empirique de l'erreur standardisée (c'est le rapport du résidu du modèle ARIMA par l'écart type conditionnel estimé par le modèle GARCH). Ensuite, il s'agissait d'analyser les écarts entre les valeurs prédites et celles réellement observées et quantifier la moyenne, l'écart type, le biais et l'erreur quadratique moyenne. Les résultats obtenus conduisent à l'adéquation du modèle ARIMA-GARCH pour les séries de température alors qu'il semble qu'on ne peut pas utiliser le modèle ARIMA-GARCH pour prédire les séries de pluie. En perspectives, nous procéderons autrement par l'intermédiaire de covariables telles que les indices climatiques.