L'hydrogène est l'un des vecteurs énergétiques les plus prometteurs dans la recherche d'un mix énergétique plus durable. Plusieurs études et feuilles de route ont été réalisées sur le potentiel d'une économie « hydrogène » et ont identifié que même si de nombreuses technologies requisessont déjà disponibles aujourd'hui, le déploiement d'infrastructures hydrogène constitue la tâche la plus difficile de son développement, dont la mesure où on doit atteindre des coûts compétitifs et avoir l'acceptation du marché. La conception de la chaîne logistique de l’hydrogène (HSC), enparticulier à des fins de mobilité, implique une série de décisions importantes à différents niveaux (sources d'énergie, production, transport et stockage) et peut être considérée comme un problème multi-échelle et multi-période avec plusieurs parties prenantes. L'objectif de ce travail est de proposer un cadre méthodologique pour aborder le problème de conception de la HSC de manière complémentaire au travail proposé dans le travail de doctorat de (Sofia de Leon Almaraz, 2014) dans lequel une formulation multi-objectif a été mise en œuvre via la méthodologie - contrainte pour obtenir le front de Pareto, en optimisant trois objectifs en même temps : le coût journalier total, le potentiel de réchauffement global et un indice de risque de sécurité. Une analyse de sensibilité basée sur un plan d'expérience en utilisant les méthodes de plan factoriel et surface de réponse a été réalisée pour identifier les principaux paramètres (facteurs) et leur interaction affectant le critère économique, soit le coût journalier total (TDC) (réponse), englobant les coûts capitaux et opérationnels. Cette analyse de sensibilité souligne que la demande est de loin le paramètre le plus important qui conditionne fortement le critère TDC, de sorte que davantage d'efforts sont nécessaires pour modéliser l'incertitude de la demande de façon homogène. Dans la formulation initiale de la conception de la HSC, la taille du problème liée au nombre de variables binaires conduit souvent à des difficultés pour résoudre le problème. Dans ce travail, le potentiel des algorithmes génétiques (GA) via une variante de NSGA-II est exploré pour faire face à la formulation multi-objectif, afin de produire automatiquement le front de Pareto. La formulation du modèle a ensuite été étendue pour tenir compte de l'incertitude de la demande, ce qui donne plus de robustesse à l'approche proposée. Deux études de cas soutiennent cette analyse : d'abord au niveau régional, les résultats de la conception de la HSC pour l'ancienne région Midi-Pyrénées obtenus avec les deux modèles sont comparés. Les solutions obtenues par GA présentent le même ordre de grandeur que celles obtenues avec MILP (Programmation Linéaire en Nombres Entiers) dans le problème mono-critère, mais de meilleures solutions de compromis sont produites dans la formulation multi-objectif et des résultats plus flexibles sont obtenues avec la modélisation de l’incertitude de demande. Puis l’écosystème aéroportuaire, Tarbes-Lourdes, a été étudié : l'infrastructure aéroportuaire est une étude de cas intéressante, car un aéroport est une source d'émissions qui affectent le climat à cause des émissions générées par les activités faites à l'intérieur et à l'extérieur du périmètre de l'aéroport, liées à l’opération et utilisation de l’aéroport. Enfin, une analyse post-optimale sur une solution de compromis de la HSC est réalisée sur la base d'une évaluation sociale, via deux analyses coûts-bénéfices (CBA) d'un point de vue social (SCBA) et gouvernemental (subventions et taxes), montrant que l'incorporation d'externalités aide à financer une proportion importante des coûts. L'approche SCBA pour le déploiement de l'hydrogène intègre les avantages sociétaux induits à travers la réduction des émissions de gaz à effet de serre, la réduction de la pollution atmosphérique mais aussi les coûts sociaux par l'augmentation de la consommation de platine. / Hydrogen is one of the most promising energy carriers in the quest for a more sustainable energy mix. Several studies and roadmaps have been carried out about the potential of a « hydrogen » economy and have identified that even if many of the required technologies are already available today, the deployment of hydrogen infrastructures constitutes the most challenging task for its development, so as to achieve competitive costs and mass market acceptance. The design of a hydrogen supply chain (HSC), in particular for mobility purpose, involves a series of important decisions at different levels, i.e. energy sources, production, transportation and storage and can be viewed as a multi-echelon, multi-objective and multi-period problem with multiple stakeholders. The objective of this work is to propose a methodological framework to tackle the HSC design problem in a complementary manner to the work proposed in the PhD work of (Sofia de Leon Almaraz, 2014) in which a multi-objective formulation was implemented via the -constraint method to generate the Pareto front, optimising three objectives at the same time, total daily cost, global warming potential and a safety risk index. A sensitivity analysis based on a design of experiments through the Factorial Design and Response Surface methods was carried to identify the major parameters (factors) and their interaction affecting the economic criterion, i.e., the total daily cost (TDC) (response), encompassing capital and operational expenditures. This sensitivity analysis highlights that the demand is by far the most significant parameter that strongly conditions the TDC criterion so that more effort is needed to model demand uncertainty consistently in HSC design, especially since a long horizon time is considered for hydrogen deployment. Besides, in the initial formulation of HSC design, the size of the problem related to the number of binary variables often leads to difficulties for problem solution. In this work, the potential of genetic algorithms (GA) via a variant of NSGA-II is explored to cope with the multi-objective formulation, in order to automatically produce the Pareto front. The model formulation has then been extended to take into account demand uncertainty, giving more robustness to the proposed approach. Two case studies support the analysis: first at regional level, the results of a HSC design for the former Midi-Pyrénées region obtained with both models are compared. The solutions obtained by GA exhibit the same order of magnitude as those obtained with MILP (Mixed Integer Linear Programming) in the mono-criterion problem, but better compromise solutions are produced in the multi-objective formulation and more flexible ones are obtained with demand uncertainty modelling. Then an airport ecosystem, i.e. Tarbes-Lourdes has been studied: the airport infrastructure is an interesting case study, since an airport is a source of emissions that affect climate, including the emissions generated from activities occurring inside and outside the airport perimeter fence associated with the operation and use of an airport. Finally, a post-optimal analysis on a compromise solution of HSC configuration is carried out based via two cost-benefit analyses (CBA) from a social (SCBA) and governmental perspective (subsidies and taxes). The SCBA approach for hydrogen deployment integrates societal benefits for the reduction of greenhouse gas emissions, noise air pollution abatement and social costs for the increase in platinum consumption in the manufacture of fuel cells. By including external costs, economic benefits of the replacement of ICEV (internal combustion engine) by FCV (Fuel Cell Vehicles) were highlighted as well as the generation of positive social net present values