Le changement climatique amplifie les dangers météorologiques tels que les vagues de chaleur, les événements météorologiques extrêmes et les inondations, entraînant de graves conséquences économiques et sociales. Pour mieux mettre en œuvre des stratégies d'adaptation, les études d'impact s'appuient sur des projections issues de modèles climatiques. Cependant, en raison des coûts de calcul élevés de ces modèles, les ensembles à haute résolution, essentiels pour les évaluations d'impact, sont rares. Cela a suscité un intérêt croissant pour les émulateurs—des modèles statistiques qui génèrent des projections à haute résolution à partir de modèles climatiques à basse résolution avec une faible demande en ressources informatiques. Dans cette étude, nous évaluons et comparons des émulateurs déterministes et probabilistes basés sur l'architecture U-Net, en utilisant des métriques telles que le Continuous Ranked Probability Score et le Quantile Score. Nous nous concentrons sur trois variables hydrométéorologiques clés : les précipitations, la température maximale de l'air et la température minimale de l'air. La cohérence physique et les relations entre les variables sont minutieusement examinées.