Cet article propose une revue complète des modèles de diffusion, qui ont suscité un vif intérêt dans le domaine de la synthèse d'images et ont récemment été appliqués à la prévision de séries chronologiques (TSF). Alors que les recherches précédentes sur les séries chronologiques se sont contentées de présenter des applications des modèles de diffusion à la TSF ou de répertorier des modèles individuels, cet article propose une classification systématique des modèles TSF existants basés sur la diffusion. Nous présentons le modèle de diffusion standard et ses variantes, expliquons leur application aux tâches de TSF et passons en revue de manière exhaustive les modèles de diffusion pour la TSF, en nous concentrant particulièrement sur les sources d'information conditionnelle et les mécanismes de conditionnement au sein du modèle. Nous fournissons une classification systématique et un résumé complet des approches existantes, et examinons les modèles de diffusion sous-jacents appliqués à la TSF, les ensembles de données couramment utilisés et les métriques d'évaluation. Enfin, nous discutons des progrès et des limites de ces approches, ainsi que des futures orientations de recherche pour la TSF basée sur la diffusion.
