Ce travail de thèse s’inscrit dans le cadre d’une Convention Industrielle de Formation par la REcherche (CIFRE) ayant pour objectif la mise en place de solutions innovantes pour le diagnostic de défaillances. Il s’agit de répondre au besoin de la société Zodiac Actuation Systems afin de diagnostiquer les défaillances pouvant survenir sur leurs systèmes d’actionnement de sièges d’avion. Premièrement, le cadre ainsi que les motivations de l’étude sont exposés. Ensuite un état de l’art sur les méthodes de diagnostic de défaillances est donné. Puis la problématique de l’hybridation de ces méthodes est abordée. Ceci a permis d’adopter la méthode de classification supervisée pour le diagnostic. Ensuite, les campagnes de mesures, le processus de construction des bases de données ainsi que les différents algorithmes nécessaires pour la classification sont présentés. Une expérimentation sur la partie du dossier d’un siège d’avion est exposée et les résultats sont donnés. Afin d’améliorer les résultats obtenus, une approche de classification renforcée par des observateurs d’état est proposée et appliquée sur le dossier du siège. Ce renforcement est réalisé à l’aide des données estimées par les observateurs tout en construisant des bases de données augmentées. Trois types d’observateurs, linéaire, Takagi-Sugeno (TS) et TS à entrées inconnues (TSEI) sont employés. L’observateur TSEI apparait comme le mieux adapté à notre application. Finalement, une extension de l'approche proposée sur l’ensemble du siège d’avion est proposée. Celle-ci consiste en la mise en œuvre d’observateurs décentralisés TSEI pour chaque sous-ensemble du siège en tenant compte de leurs interconnexions. Ces derniers ont permis d’améliorer les résultats de détection de défaillances sur l’ensemble du siège d’avion. / This study was supported by Zodiac Actuation Systems within the framework of a ``CIFRE'' project which aims to design a Fault Detection and Diagnosis (FDD) approach for actuation systems of passengers seats in commercial aircrafts. First of all, the industrial context as well as the motivations of our project have been explained. Then, a state of the art on FDD methods is presented. Among them, hybridization of FDD methods can be found and seems interesting to our application. In a first step, the supervised classification method for the FDD has been considered. To do this, the process measurements and the concept of databases construction are presented. Then, different types of classification algorithms are explained. From experimental measurements, the classification results for FDD purpose on the recline of the seat are given. In a second step, an enhanced classification approach is proposed. It consists in estimating non-measurable variables by the state observers. These variables are then added, as estimated attributes, to the measured database. The aim is to enrich the knowledge used by the classifier and thus to improve the rate of FDD. Three types of state observers are considered: linear, then Takagi-Sugeno (TS) and Unknown Input Takagi-Sugeno (UITS) observers. It appears that the UITS observer-based results are more accurate for our application. Finally, the proposed FDD approach is extended to the hole of the seat by considering a decentralized approach. In this context, decentralized UITS are proposed for each segment of the seat by taking into account their interconnexions. It is shown that these decentralized observers improve the FDD results of the considered aircraft seat.