L'un des challenges le plus important pour les opérateurs des réseaux mobiles est de dimensionner le réseau de la manière la plus efficace possible, c'est-à-dire, bien planifier les ressources pour fournir une bonne couverture et une meilleure capacité. Afin de mieux gérer le trafic généré dans le réseau, les opérateurs déploient des petites cellules pour aider les macro-cellules à délester les zones de la cellule où le trafic de données est significativement supérieur au trafic moyen dans la cellule. Cependant, le problème majeur de ces réseaux hétérogènes consiste à bien localiser ces hotspots et puis de mettre en place la meilleure solution pour les absorber. Dans cette thèse, on traite le sujet de localisation de hotspot et on étudie l'impact de son imperfection sur les performances des déploiements des réseaux hétérogènes. Dans une première étape, on propose une nouvelle méthode de localisation de hotspot. Puis, on propose d'évaluer l'impact d'une mauvaise localisation de trafic sur le déploiement des petites cellules à travers une analyse de performances au niveau statique et dynamique. Sachant qu'une grande quantité de trafic de données dans le réseau mobile est générée par des utilisateurs qui sont en mouvement, on propose d'évaluer les performances des petites cellules mobiles. Enfin, la quatrième étape consiste à améliorer encore la solution de déploiement de petites cellules en utilisant les drones. On propose un mécanisme de décongestion du réseau et on discute les avantages et les points à explorer. Une analyse de performance est aussi réalisée pour comparer cette solution avec les solutions classiques de macro cellules et de petites cellules / The continuous increasing traffic in cellular networks has forced the mobile operators to look for efficient and viable options to manage their networks so as to ensure more efficiency over the network life cycle while also evolving with the implementation of new technologies. Traffic hotspot localization can help operators to identify the areas where deploying small cells can reduce the congestion. We firstly propose and assess a new traffic hotspot localization method based on the projection of O&M KPIs on the coverage map. Compared to probing methods, the computational costs and the equipment expenditures are reduced. Moreover, the localization accuracy is improved. Next, in order to evaluate the impact of the limited accuracy of traffic localization tools on small cell deployment, we study the performances of three different scenarios. The first one considers a network of macrocells only and represents a benchmark to decide about the usefulness of small cells. The second one is based on a network of macrocells with a perfectly deployed small cell allowing to identify the limitations of small cell deployment and the last one is with an imperfectly deployed small cell. Realizing that a significant amount of cellular demand is generated on the go and suffers deteriorating quality, we investigate the potential performance gains of using moving small cells. The major outcome is to understand if moving cells leverage the relative operators' investments. Finally, we propose a new mobile data offloading mechanism which capitalizes on drone small cells to alleviate the data traffic load. We realize a performance evaluation and comparison with classic small cell deployment