Les tests statistiques sur des modèles autorégressifs multivariés (VAR) sont habituellement basés sur des approximations de grands échantillons, qui utilisent une loi asymptotique ou une technique de bootstrap. Après avoir montré que ces méthodes peuvent être très peu fiables, même avec des échantillons de taille assez grande, particulièrement lorsque le nombre des retards ou le nombre d'équations augmentent, nous proposons une technique générale basée sur la simulation qui permet de contrôler parfaitement le niveau des tests dans les modèles VAR paramétriques. En particulier, nous montrons que la technique des tests de Monte Carlo maximisés [Dufour (2005, Journal of Econometrics)] fournit des tests exacts pour de tels modèles, que ceux-ci soient stationnaires ou intégrés. Sélectionner l'ordre du modèle ainsi que tester la causalité au sens de Granger sont étudiés comme problèmes particuliers dans ce cadre. La technique proposée est appliquée à des modèles VAR, trimestriels et mensuels, de l'économie américaine, comprenant le revenu, la monnaie, un taux d'intérêt et le niveau des prix, sur la période 1965-1996.