Je présenterai un cadre unifié pour étudier les vitesses de convergence de différents algorithmes minimisant des fonctions convexes à valeurs réelles vérifiant plusieurs jeux d'hypothèses, tels que la forte convexité. On montrera d'abord qu'on peut voir ces schémas d'optimisation comme des schémas numériques de résolution de certaines EDO. Dans un second temps, nous verrons qu'il est possible de trouver des fonctions de Lyapunov sur ces EDO, c'est-à-dire des énergies qui décroissent le long de la trajectoire de la solution de l'EDO et nous montrons ensuite comment en déduire des suites de Lyapunov associés au schéma d'optimisation. De l'étude de ces suites décroissantes ou bornées on déduira les vitesses de convergence des algorithmes étudiés. Une telle méthodologie permet d'étudier une variété d'algorithmes inertiels, leur convergence, leur stabilité et d'en déduire des propriétés dans un cadre stochastique.