La maintenance d’un système complexe est souvent segmentée par sous-système. Chacun de sous-systèmes faisant intervenir des compétences pointues et variées, déterminer l’état de santé globale du système s’avère être une tâche compliquée. Cependant, les systèmes complexes sont aujourd’hui surveillés avec attention ce qui permet d’enregistrer un nombre important de données hétérogènes permettant à la maintenance d’être efficace sur chaque sous-systèmes. La variété de ces données permet d’avoir une vision d’ensemble sur l’état de santé du système mais du fait de leur quantité et de leur hétérogénéité leur analyse est un exercice complexe. Pour pallier aux problématiques de traitement de données de masse, ces dernières décennies ont vu se développer des outils informatiques et mathématiques permettant d’extraire des informations pertinentes d’un ensemble de données : le data mining. La mise en application d’outils issus des méthodes de data mining peut être une solution à l’identification de l’état santé globale du système.Pour rendre cela possible, la thèse présente dans un premier temps comment construire un modèle de comportement du système hélicoptère en se basant sur des données relatives au bon fonctionnement de l’appareil. Ce modèle de comportement considéré comme normal va ensuite servir de référence. Il permettra donc dans un deuxième temps de répondre à comment détecter et caractériser une déviance, un événement anormal, vis-à-vis du modèle du comportement normal du système. Cette méthode cherche à maximiser l’utilisation des données et minimiser l’introduction d’information relative à la connaissance du système. De cette manière, elle permet de fournir des résultats complètement objectifs qui pourront être comparés à des analyses physiques. La méthode est supportée par un ensemble d’outils mathématiques implémentés dans une infrastructure industrielle permettant l’utilisation de données réelles associées aux appareils d’Eurocopter.Pour accompagner la mise en place de cette méthode, cette thèse présente une application sur des données réelles issues d’hélicoptères de type EC225 de la gamme d’Eurocopter. / The maintenance of complex system is often segmented by subsystem. Each subsystem involving specialized and various skills, assess the global health of the system is a difficult problem. However, today, complex systems are carefully monitored that allows the records of a substantial amount of heterogeneous data that leads to accurate subsystem maintenance. Diversity of data provides an overview of the global health of the system but in the reason of quantity and heterogeneity their analyses is a difficult exercise. To tackle these data treatment difficulties, computational and mathematical tools have been developed. They allows extraction of relevant information in a substantial amount of data, it is the data mining. The implementation of data mining method could be a solution to the assessment of global health of the system.To make that possible, in a first time, this thesis present how define a helicopter behavior model by using data which are recorded in a good way of running. This behavior model considered as normal will be used as a reference. In a second time, this model will allow to answer to how detect and characterize a drift, an abnormal event, from the normal system behavior model. This method tries to maximize the data usage and minimize the expert knowledge. By this way, it provides results totally objective which could be compare to physical analyses. This approach is supported by a set of mathematical tools implemented in an industrial infrastructure which allows the use of Eurocopter aircraft operational data.To support the implementation of this method, this thesis presents an application of the method on real data from the EC225 helicopter of Eurocopter