Cette thèse a pour but l'étude de la détection basée sur modèle de défauts pour les moteurs Diesel produits en grande série. La nécessité d'une surveillance continue de l'état de santé des véhicules est maintenant renforcée par la législation Euro VI sur les émissions polluantes, qui sera probablement rendue encore plus contraignante dans ses prochaines révisions. Dans ce contexte, le développement de stratégies robustes, faciles à calibrer et valides pour des systèmes dispersés (car produits en grande série) procurerait un avantage considérable aux constructeurs automobile. L'étude développée ici tente de répondre à ces besoins en proposant une méthodologie générique. On utilise des observateurs adaptatifs locaux pour des systèmes scalaires non linéaires et affines par rapport à l'état, pour résoudre les problèmes de la détection de défauts, de son isolation et de son estimation d'une façon compacte. De plus, les incertitudes liées aux biais de mesure et de modèle et aux dérives temporelles nécessitent d'améliorer les méthodes de détection par l'utilisation de seuils robustes pour éviter les fausses détections. Dans cette thèse, on propose un seuil variable basé sur la condition d'observabilité du paramètre impacté par le défaut et sur une étude de sensibilité par rapport aux incertitudes sur les entrées ou sur le modèle. Cette méthode permet, entre autres, de fournir un outil d'analyse pour la sélection des conditions de fonctionnement du système pour lesquels le diagnostic est plus fiable et plus robuste par rapport aux incertitudes sur les entrées. L'approche présentée a été appliquée avec succès et validée de façon expérimentale sur un moteur Diesel pour le problème de détection de fuite dans le système d'admission d'air, puis dans un environnement de simulation pour le problème de détection de dérive d'efficacité turbine. On montre ainsi ses avantages en termes de fiabilité de détection, d'effort de calibration, et pour l'analyse des conditions de fonctionnement moteur adaptées au diagnostic.