Ce travail de thèse porte sur la gestion énergétique des bâtiments par l'application de la programmation dynamique. Cet algorithme d'optimisation permet de développer des commandes prédictives, c'est à dire un ensemble de commandes à appliquer pendant une période donnée pour réduire la consommation énergétique du bâtiment ou améliorer le confort thermique des habitants.Un premier cas d'étude développe le cas du pilotage du chauffage d'un bâtiment pour effacer sa consommation en période de pointe électrique ou de pointe d'émission de CO2.Un second cas d'étude s'intéresse à une période de forte chaleur estivale ou le pilotage des protections solaires et de la ventilation mécanique contrôlée permet l'amélioration du confort thermique des occupants. Le pilotage des ouvertures (porte, fenêtre) est également étudié avec une comparaison de la régulation obtenue avec une régulation mise en place sur une maison test "Air et Lumière".Enfin la dernière partie du travail s'intéresse à la prévision des données climatiques locales grâce aux méthodes des chaînes de Markov et des réseaux de neurones artificiels. L'influence des erreurs de prévision sur la mise en place d'une stratégie d'effacement de la consommation de pointe dans le bâtiment est également étudiée. / The subject of this work is the control of building equipments with the use of a dynamic programming optimization. This algorithm allows to develop a predictive controller in order to reduce the energy counsumption of the building or to increase the comfort of the occupants.A first case study is developed with the control of the heating system in order to shift the load from peak hours to off-peak hours according to utility rate incentives or carbon emissions.A second case study is about the control of stores and mechanical ventilation in order to increse comfort in the building during a strong heat wave summer week. The control of openings, like windows and doors, is also developed to use natural ventilation in order to increase comfort. The results of such a control strategy are compared with another control strategy set up in a test house "Air et Lumière".The last part of this work is about weather forecast of local climatic data by using Markov chains and artificial neural networks. The influence of weather forecast errors on the developed control strategy is also studied.