Dans le cadre d’une relation client / fournisseur, les entreprises proposant des produits ou systèmes doivent élaborer et proposer des offres personnalisées, attractives et réalisables. Pour cela, elles doivent tout d’abord concevoir et évaluer un ensemble d’offres techniques (couples systèmes / processus de réalisation). Ensuite, sélectionner, sur la base d’un ensemble de critères de décision pertinents, l’offre technique à considérer dans la proposition à transmettre au client. Dans des situations où les solutions techniques disponibles au sein de l’entreprise fournisseur couvrent une bonne partie des besoins exprimés par le client mais pas la totalité, situations dites de « conception non-routinière », l’analyse des pratiques industrielles et des travaux scientifiques a permis de définir trois problématiques de recherche majeures : (i) la conception des offres en situations de conception non-routinière, (ii) l’évaluation de la confiance dans les offres quant à leur bonne réalisation au regard des attentes et objectifs fixés, et (iii) la sélection, parmi un ensemble d’offres potentielles, de l’offre la plus intéressante en tenant compte de l’imprécision, de l’incertitude et de la confiance associées aux offres. Les travaux réalisés dans cette thèse apportent des solutions scientifiques et pragmatiques à ces trois problématiques. Concernant la conception des offres, des solutions sont proposées pour étendre les principes de configuration à des situations de « conception non-routinière ». Deux indicateurs ainsi qu’une méthode permettant de les quantifier sont proposés pour l’évaluation de la confiance de chaque offre technique. Enfin, une approche d’aide à la décision multicritère est développée pour aider à la sélection de l’offre technique la plus intéressante en tenant compte de l’imprécision, de l’incertitude et de la confiance. / In the context of a customer / supplier relationship, companies offering products or systems must develop and propose personalized, attractive and achievable offers. In order to do so, they have to design and evaluate a set of technical offers corresponding to pairs of systems and delivery processes. Then, on the basis of a set of relevant decision criteria, they must select the technical offer to be considered and sent to the customer. In situations where the technical solutions available within the supplier company cover a good part of the customer’s requirements but not all, so-called "non-routine design" situations, the analysis of industrial practices and scientific works has led us to identify three major research problems: (i) the design of technical offers in non-routine design situations, (ii) the evaluation of the confidence in these offers as to their good achievement with regard to customer’s expectations and supplier’s objectives, and (iii) the selection of the most interesting offer from a set of potential technical offers while taking into account imprecision, uncertainty and confidence. This thesis provides scientific and pragmatic solutions to these problems. Regarding the design of the offers, solutions are proposed to extend the principles of configuration to "non-routine design" situations. Two indicators and a method for quantifying them are proposed for the assessment of the confidence of each technical offer. Finally, a multi-criteria decision support approach is developed to assist the supplier in the selection of the most interesting technical offer, taking into account imprecision, uncertainty and confidence.

Dans un contexte de personnalisation de masse, la configuration concourante du produit et de son processus d’obtention constituent un défi industriel important : de nombreuses options ou alternatives, de nombreux liens ou contraintes et un besoin d’optimisation des choix réalisés doivent être pris en compte. Ce problème est intitulé O-CPPC (Optimization of Concurrent Product and Process Configuration). Nous considérons ce problème comme un CSP (Constraints Satisfaction Problem) et l’optimisons avec des algorithmes évolutionnaires. Un état de l’art fait apparaître : i) que la plupart des travaux de recherche sont illustrés sur des exemples spécifiques à un cas industriel ou académique et peu représentatifs de la diversité existante ; ii) un besoin d’amélioration des performances d’optimisation afin de gagner en interactivité et faire face à des problèmes de taille plus conséquente. En réponse au premier point, ces travaux de thèse proposent les briques d’un modèle générique du problème O-CPPC. Ces briques permettent d’architecturer le produit et son processus d’obtention. Ce modèle générique est utilisé pour générer un benchmark réaliste pour évaluer les algorithmes d’optimisation. Ce benchmark est ensuite utilisé pour analyser la performance de l’approche évolutionnaire CFB-EA. L’une des forces de cette approche est de proposer rapidement un front de Pareto proche de l’optimum. Pour répondre au second point, une amélioration de cette méthode est proposée puis évaluée. L’idée est, à partir d’un premier front de Pareto approximatif déterminé très rapidement, de demander à l’utilisateur de choisir une zone d’intérêt et de restreindre la recherche de solutions uniquement sur cette zone. Cette amélioration entraine des gains de temps de calcul importants. / In a context of mass customization, the concurrent configuration of the product and its production process constitute an important industrial challenge: Numerous options or alternatives, numerous links or constraints and a need to optimize the choices made. This problem is called O-CPPC (Optimization of Concurrent Product and Process Configuration). We consider this problem as a CSP (Constraints Satisfaction Problem) and optimize it with evolutionary algorithms. A state of the art shows that: i) most studies are illustrated with examples specific to an industrial or academic case and not representative of the existing diversity; ii) a need to improve optimization performance in order to gain interactivity and face larger problems. In response to the first point, this thesis proposes a generic model of the O-CPPC problem. This generic model is used to generate a realistic benchmark for evaluating optimization algorithms. This benchmark is then used to analyze the performance of the CFB-EA evolutionary approach. One of the strengths of this approach is to quickly propose a Pareto front near the optimum. To answer the second point, an improvement of this method is proposed and evaluated. The idea is, from a first approximate Pareto front, to ask the user to choose an area of interest and to restrict the search for solutions only on this area. This improvement results in significant computing time savings.