Ce travail s’inscrit dans le cadre de la mise en place d’une stratégie de SHM (Structural Health Monitoring) dédiée à la surveillance des structures en génie civil. Il a porté, d’une part, sur l’étude des méthodes de détection et de localisation de l’endommagement du bâti existant et, d’autre part, sur l’élaboration du cahier des charges d’un capteur « intégré » capable de délivrer des informations par transmission compacte des données pour les communiquer à une chaîne SHM. Des études numériques et expérimentales ont été réalisées dans cet objectif. L’état de l’art a clairement mis en évidence plusieurs points faibles des méthodes de détection et de localisation d’endommagements usuelles comme, par exemple, le manque de précision et/ou la complexité de mise en place. On observe aussi que la sensibilité de ces méthodes par rapport à plusieurs paramètres, essentiellement la direction de mesure, le positionnement des capteurs et la sévérité des endommagements, ne permet pas à ce jour de dresser un diagnostic précis de l’état de santé des structures. Pour répondre au cahier des charges d’une chaîne SHM, un Algorithme de Détection et de Localisation (ADL) a été élaboré. Cet algorithme fait appel à des méthodes utilisant les paramètres modaux, essentiellement les fréquences propres et les déformées modales. Leurs mises en œuvre séquentielles et itératives, judicieusement structurées et pilotées,a permis de répondre aux objectifs fixés. Les paramètres modaux requis sont identifiés à l’aide des techniques d’Analyse Modale Opérationnelle (AMO) et à partir de la réponse en accélérations des structures. Deux algorithmes d’AMO ont été utilisés pour leur efficacité et pour leur aptitude à l’automatisation: la méthode stochastique par sous ensemble (SSI), et la méthode de décomposition dans le domaine fréquentiel (FDD). En fusionnant les algorithmes d’AMO avec l’ADL, une chaîne complète de surveillance a été créée. La validation des algorithmes et de la chaîne de surveillance s’est faite à plusieurs niveaux. Tout d’abord, basés sur la théorie des éléments finis, des modèles numériques de la tour de l'Ophite et du pont canadien de la Rivière aux-Mulets ont permis d'évaluer l'ADL. Ces modèles sont endommagés par des signaux sismiques et fournissent les données accélérométriques, données d’entrée du logiciel que nous avons développé. Les résultats obtenus sont tout à fait satisfaisants voire meilleurs que ceux issus des méthodes usuelles. Dans un second temps, nous avons traité des données expérimentales «réelles », issues des mesures accélérométriques sur la tour de l’Ophite. La confrontation entre les résultats d’identification des fréquences propres et des déformées modales issus des algorithmes d’AMO et ceux reportés par la bibliographie, a révélé l’efficacité des algorithmes développés.Enfin, une maquette d’un bâtiment à échelle réduite a également été élaborée et instrumentée.L’application de la chaine de surveillance a permis, d’une part, de détecter et localiser l’endommagement introduit dans la structure et, d’autre part, de mettre en évidence l’intérêt de la surveillance automatique. Finalement, une étude a été menée dans le but de réduire la quantité d’informations enregistrées sur les structures et de faciliter le transfert des données servant comme entrées de la chaîne de surveillance. Les résultats de ces études ont contribué à la spécification d’un nouveau système de surveillance / The work presented in this thesis is part of the development of a Structural Health Monitoring(SHM) system dedicated to civil engineering applications. First, it studies the methods of damagedetection and localization. Furthermore, it helps elaborate the specifications of an integratedsensor capable of delivering information by compact transmission of data to an SHM chain.Numerical and experimental studies have been carried out for this purpose. The study of theliterature clearly highlighted several weak points of the traditional damage detection andlocalization methods, such as the lack of precision and the complexity of implementation. Thesensitivity of these methods with respect to several parameters, essentially the measurementdirection, the positioning of the sensors and the severity of the damage, makes it impossible todraw up an accurate diagnosis of the structures. In order to overcome these limitations, a damageDetection and Localization Algorithm (DLA) was developed. By applying Vibration-Based Damage Detection Methods, following a precise order and taking into account the sensitivity, the simplicityand the SHM level of each method, this algorithm made it possible to meet the objectives set at the beginning of this work. The required modal parameters, namely eigen-frequencies and modeshapes, were identified from the structure’s output-only response using Operational ModalAnalysis techniques (OMA). Two OMA algorithms were used for their efficiency and automationability: the Stochastic Subspace Identification method (SSI) and the Frequency DomainDecomposition method (FDD). By merging the OMA algorithms with the DLA, a complete SHMchain was created. The algorithms validation was made at several levels. First, the DLA wasevaluated using a Finite Element Model (FEM) of the Ophite tower and the Rivière aux Muletsbridge. The results obtained were quite satisfactory. Secondly, experimental data were processed,from accelerometric measurements on the Ophite tower. The confrontation between the results ofeigen-frequencies and mode shapes identification using OMA algorithms and those reported in theliterature revealed the efficiency of the developed algorithms. Finally, a scale model of a buildingwas developed, instrumented and damaged. The use of the surveillance chain allowed thedetection and localization of the damage. Moreover, it showed all the interest of using automatic surveillance. The last step of this work dealt with a study carried out to reduce the amount of datarecorded on structures in order to facilitate their transfer to the SHM chain. As a conclusion, the results of these studies contributed to the specification of a new monitoring system