Le perçage assisté par vibrations est un procédé assurant la maîtrise dimensionnelle des copeaux pour gagner en fiabilité sur les opérations de perçage. L’ajout d’une oscillation axiale pilotée en amplitude et en fréquence introduit deux nouveaux paramètres à déterminer en adéquation avec les paramètres conventionnels que sont l’avance et la vitesse de coupe. Le paramétrage d’une telle opération n’est donc pas trivial. Afin de fournir un outil d’optimisation du paramétrage du procédé, une nouvelle modélisation prenant en compte l’environnement « Pièce-Outil-Machine » est proposée. L’intégration de la géométrie de l’outil, des spécificités des interactions entre l’Outil et la Matière, et du comportement dynamique de la Machine permet s’adapter aux conditions de mise en oeuvre du procédé. Une méthode d’identification dissociée des éléments de l’environnement « Pièce-Outil-Machine » permet de caractériser les spécificités de chacun de ces éléments. Cette modélisation est validée par une campagne d’essai. La modèle développé dans ces travaux permet donc de prédire le comportement du procédé en vue d’une optimisation des paramètres opératoires. / Vibrations assisted drilling is a process which ensures chip shape control in order to increase reliability during drilling operations. The adding of axial oscillation, controlled with amplitude and frequency, introduce two new parameters which must determinate according to the conventional parameters (feed and speed rotation). The optimal setting of vibrations assisted drilling is not obvious. To provide an optimization-tool of the process, a new model which take into account the “Tool-Workpiece-Machine” environment, is proposed. Drill geometry, Tool-Workpiece interactions and dynamic behavior of the Machine are incorporated in the model. Tis specificity allows adjusting behavior of the process with the case of application. An identification methodology is presented to characterize the environment. Simulation’s results and experimental results are compared to validate the model. This model thus allows predicting process behavior in order to optimize the operational parameters.