Les travaux de cette thèse portent sur la méthodologie de conception des Machines Synchrones à Aimants Permanents (MSAP) avec pour application le véhicule électrique. Dans une première partie, nous avons abordé du contexte de l'étude et de la problématique du dimensionnement. A l'occasion, nous avons montré qu'il est nécessaire d'adopter une méthodologie de design appropriée en fonction de l'avancement de chaque projet dans le cadre du processus de conception. Nous avons alors proposé différents niveaux de modélisation afin de repérer la machine optimale face au cahier des charges pour ensuite la caractériser plus finement et l'optimiser. La seconde partie du rapport traite donc de la modélisation et de l'optimisation de la MSAP. En premier lieu, un modèle analytique permet d'évaluer les performances globales des centaines de machines très rapidement. Ce premier calcul permet de sélectionner les meilleures machines à l'application pour ensuite les optimiser. Puis, le second niveau de modélisation se base sur les réseaux de réluctances. Ce niveau plus fin permet d'une part de retrouver les performances affinées des MSAP et également de procéder à l'optimisation. Enfin, la dernière partie du rapport est consacrée à l'optimisation de la MSAP en vue d'améliorer grandement les performances et de satisfaire au mieux au cahier des charges. / The works of this thesis concern the design methodology of Permanent Magnet Synchronous Machine (PMSM) for an electric vehicle application. The first part of this report introduces the context of the study and the problem of design. Then, we have shown that it is necessary to adopt an appropriate design methodology based on the progress of each project in the design process. Thus, we proposed different levels of modeling to identify the optimal machine against the specifications, and then characterize it more finely and optimize. The second part of the report deals with the modeling and optimization of the PMSM. First, an analytical model is employed to evaluate the overall performance of hundreds of machines very quickly. The first calculation is used to select the best machine for the application and then optimize them. Then, the second level of modeling is based on reluctance networks. This model allows finer resolution of the PMSM and also permits to perform optimization. The last part of the report is devoted to the optimization of the PMSM in order to greatly improve performances and meet the specifications.