Pour l'analyse des séries temporelles ou pour l'étude de la convergence de certains algorithmes stochastiques tels que ceux basés sur la dynamique de Langevin, la dynamique de certains processus markoviens à temps discret est naturellement pertubée par l'introduction d'un désordre stochastique que l'on peut appeler bruit, facteur exogène ou environnement aléatoire suivant la terminologie utilisée dans les différents domaines. L'objectif de cet exposé est de montrer que l'on peut étudier la stabilité de ces chaînes de Markov en environnement aléatoire sur des espaces non bornés à partir de versions adaptées de conditions de stabilité plus classiques (condition de drift, de petit ensemble ou contraction d'applications aléatoires). Des conditions suffisantes pour l'existence de mesures stationnaires et ergodiques ainsi qu'un contrôle des coefficients de alpha-mélange pour ces processus peuvent être obtenus.  On peut alors en deduire une théorie limite pour des processus autorégressifs avec covariables exogènes ainsi que des estimés qualitatifs de la vitesse de convergence de certains algorithmes stochastiques.