Lors de l’installation d’une pompe à chaleur (PAC) double service (chauffage et eau chaude sanitaire (ECS)) dans le secteur résidentiel, la phase de mise en service est délicate : les paramètres à renseigner sont nombreux et non triviaux. Or, le bon fonctionnement de la PAC est très sensible à la qualité de cette étape. Quelques mauvais réglages peuvent entraîner un fonctionnement non optimal, voire un dysfonctionnement important (confort mal assuré). L’objectif de la thèse est de mettre au point une méthode de paramétrage auto-adaptatif modifiant les valeurs de « sortie d’usine » des paramètres pour les adapter au réseau d'émetteurs, à la réponse thermique du bâtiment et aux habitudes chauffage et de consommation d'ECS des occupants. Les paramètres doivent être adaptés à partir des capteurs déjà en place sur la PAC.Le travail de thèse porte d'abord sur l’identification des paramètres clés de la PAC, ceux qui influencent le plus la consommation. On en déduit quelques fonctions à optimiser : ajustement de la loi d'eau, méthode de choix des meilleures séquences de production d'ECS, anticipation de la relance du chauffage. L'objectif est de maximiser le coefficient de performance et de minimiser le recours aux appoints électriques tout en garantissant le confort. Ces objectifs sont atteints en développant des algorithmes de contrôle optimisé. Des modèles neuronaux de prévision de la réponse thermique du bâtiment, du stock d’ECS et des performances de la PAC ont été développés pour ce contrôle optimisé. Les modèles et algorithmes développés ont été validés numériquement et les performances de la PAC comparées à celles avec contrôle classique sans auto-paramétrage. Les solutions proposées ont été appliquées et testées durant une saison sur une PAC réelle sur un banc d'essai semi-virtuel (climat réel et bâtiment virtuel). / Setting control parameters of residential double service heat pumps at the time of installation and commissioning is a delicate matter. Indeed, some parameters are not trivial, there are many to be adjusted and the heat pump operations are quite sensitive to the parameters' values. Poor parameterization can lead to suboptimal heat pump operation or even to important dysfunction (harming thermal comfort).Hence, this thesis aims to develop a method for the heat pump to self-adapt the value of its control parameters. The heat pump should modify if required the "default" settings in order to adapt them to the heat emitters, to the building thermal response and to the occupancy (in terms of thermal comfort and DHW needs). For industrial reasons, this method should use on-board sensors.First, the thesis focuses on identifying the key parameters of the heat pump control, i.e. those with greatest influence on the consumption. This leads to the functions which have to be optimized: heating curve adjustment, time of DHW generation, heating setback anticipation. The objective is to maximize the coefficient of performance and minimize the use of electrical back-ups while ensuring comfort. This is achieved by developing optimized control algorithms. Thanks to forecasts models, based on neural networks, we are able to predict on a short term horizon the building thermal response, the DHW availability and the heat pump performances. The developed models and algorithms have been validated through numerical simulations, and we have evaluated the heat pump performances in comparison to a classic control. The proposed solutions were applied and tested during a heating season on a real heat pump installed in a semi-virtual test bench (real weather and virtual building).