Le concept de chaîne logistique numérique regroupe l'ensemble des modèles, méthodes et outils qui permettent de planifier les décisions sur des prototypes numériques de chaîne logistique. Dans ce travail de thèse, nous proposons deux contributions à la chaîne logistique numérique. Nos résultats se destinent en particulier aux réseaux de Petites et Moyennes Entreprises/Industries. D'une part, nous étudions deux nouveaux problèmes liés à la conception de réseaux logistiques en circuits courts et de proximité pour les produits agricoles frais. Pour chacun d'eux nous proposons une formulation en Programme Linéaire à Variables Mixtes. De plus des méthodes de résolution fondées sur des décompositions du modèle nous permettent de résoudre des instances de grande taille. Pour chaque problème, cette approche est mise en œuvre sur une étude de cas menée avec plusieurs collectivités territoriales. D'autre part, nous étudions le problème de planification tactique des activités de production, de transport et de stockage. Contrairement aux approches classiques centralisées, nous considérons que les décisions des différents acteurs sont prises de manière décentralisée. Nous étudions la manière de décomposer les décisions entre les acteurs ainsi que leurs comportements individuels. Nous analysons aussi des protocoles de concertation basés sur un échange limité d'informations. Afin de répondre à la double complexité du problème, nous proposons un outil innovant qui couple une simulation à base de multi-agents à des approches d'optimisation par programmation mathématique. / The concept of digital supply chain gathers models, methods and tools to plan decisions on digital prototypes of supply chains. This doctoral dissertation proposes two contributions to digital supply chain. Mainly, our results address small and medium enterprises/industries. Firstly, we study two new problems related to service network design for short and local fresh food supply chains. For each of them we propose a Mixed Integer Linear Programming formulation. Decomposition-based methods are implemented in order to solve large scale instances. For each problem this approach is applied on a case study conducted with several local institutions. Secondly, we address the tactical supply chain planning problem: how to plan production, transportation and storage activities. As opposed to the classic centralized version, the decision making process is considered decentralized. We study how to decompose the decisions between actors as well as their individual behaviour. We also analyze negotiation processes based on limited information sharing. In order to address the double complexity of the problem, we propose an innovative tool coupling a multi-agent based simulation approach with optimization approaches based on mathematical programming.