Face à un environnement incertain et une internationalisation croissante de la chaîne logistique, la planification industrielle et commerciale (PIC) permet d’adapter efficacement les capacités industrielles à la demande du marché. Dans cette étude, nous présentons un modèle original de PIC utilisant des contraintes de flexibilité, pour améliorer la coordination entre les fonctions commerciales et logistiques. Un premier modèle de simulation permet d’étudier la dynamique du système ainsi que l’impact des différents paramètres sur les performances en termes de coûts et de satisfaction client. Afin d’étudier les politiques optimales, nous proposons un nouveau modèle de simulation-optimisation multi objectif. Différentes méthodes d’optimisation sont comparées, et plusieurs recommandations sont émises pour l’implémentation pratique de notre solution. Enfin, nous comparons les performances de plusieurs politiques de gestion des stocks lorsqu’elles sont couplées avec notre méthode de PIC flexible. À partir de données réelles du constructeur automobile Renault, nous présentons une étude comparative détaillée. Nous proposons plusieurs préconisations pratiques sur le type de politiques à privilégier selon les caractéristiques du système. Ces travaux de recherche sont particulièrement pertinents et applicables à d’autres industries confrontées à de fortes exigences commerciales,une faible visibilité sur la demande future et des approvisionnements longs. / Face to uncertain environment and growing globalization of the supply chains, the salesand operations planning (S&OP) aims to adapt efficiently the industrial capacities to themarket demand. In this research, we present an original S&OP model that uses flexibilityconstraints to improve the coordination between sales and logistics functions. A first simulationmodel is developed to study the system dynamics and the impact of different parameters onsystem’s performance in terms of costs and customer satisfaction. We introduce a multiobjectivesimulation-optimization model to investigate the optimal policies. Several optimization methodsare compared and recommendations are given for the practical implementation of our solution.Then, we compare the performances of several policies for managing parts inventories whenthey are coupled with our flexible S&OP. Based on real data of the automobile manufacturerRenault, we present a detailed comparative study. We present several managerial insights on thetype of policies to favor depending on the system characteristics. This research is particularlyrelevant for other industries that face strict customer requirements, uncertain demand and longprocurement lead time.