La dualité et la robustesse sont des outils essentiels dans les processus d'aide à la décision. Cette thèse concerne trois thèmes: dualité en optimisation convexe conique à données incertaines, dualité et régularisation en convexité généralisée, et la maximisation du rayon de robustesse en optimisation continue. Dans la première partie de ce travail, on considère les notions de pire valeur et de valeur robuste d'un problème d'optimisation conique à données incertaines. On donne une condition nécessaire et suffisante pour l'égalité entre la pire valeur et la valeur robuste de ce problème avec exactitude de la pire valeur. On déduit une condition suffisante permettant d'obtenir la propriété de dualité robuste forte pour ce problème. La deuxième partie est consacrée à la dualité et à la régularisation de fonctions numériques à valeurs réelles étendues. Deux points de vue sont considérés: l'approche par les niveaux et l'approche par les épigraphes. On étend ainsi à la convexité généralisée des résultats récents concernant le passage de la dualité quasi-convexe à la dualité convexe. On applique cette théorie à un problème d'optimisation pour déduire un résultat de dualité forte. La troisième partie de ce travail porte une étude du problème de maximisation du rayon de stabilité. On définit le rayon de robustesse pour un problème de décision en milieu incertain, et on étudie certaines de ces propriétés analytiques (concavité et semi-continuité). La contrepartie robuste d'un problème d'optimisation à données incertaines au sens du rayon de robustesse est introduite. On étudie le lien en termes d'ensemble de solutions optimales entre la contrepartie robuste au sens du rayon de robustesse et celle au sens de l'optimisation robuste d'un problème incertain d'optimisation continue. Un modèle générique du problème de maximisation du rayon de robustesse regroupant une large classe de cas pratique est proposé. On examine ce modèle dans un cas polyédral, dans le cas de la régression linéaire puis dans un cas quadratique. Notre stratégie dans ces différents cas, consiste à expliciter le rayon de robustesse et/ou à transformer le problème de maximisation du rayon de stabilité en un programme tractable. Une application à un problème de conception d'antenne circulaire est proposée dans le cas de la régression et une application au calcul d'un estimateur robuste est proposée dans le cas quadratique. / Duality and robustness are two important tools in decision making process. This thesis deals with tree topics : duality for an uncertain convex conical optimization problem, duality and regularity in generalized convexity, and the maximization of the stability radius. In the first part of this work, we consider the notions of worst value and robust value of an uncertain convex conical optimization problem. We give a necessary and sufficient condition to obtain the equality between the robust value and the worst value with exactness for the worst value. We derive a sufficient condition to obtain a robust strong duality property for this problem. The second part of this work is devoted to duality and regularity of the extended real-valued functions. Two points of view are considered: the sub-level set approach and the epigraphical approach. We then extend some recent results concerning the passage from the quasi-convex duality to convex duality to the generalized convexity. We apply this theory to an optimization problem to derive a strong duality property for this problem. The third part of this work is devoted to the study of the problem of maximization of the stability radius. We define the stability radius for a decision problem under data uncertainty, and study some of its analytical properties (e.g concavity and upper semi-continuity). The robust counterpart of an uncertain optimization problem according to the stability radius is introduced. We study the relation between the solution set of this counterpart and the solution set of the robust counterpart according to the robust optimization approach. We propose a generic model of the maximization of stability radius which covers a large class of applications. We study this problem in a polyhedral case, in the case of regression and in quadratic case. In each case, we compute the stability radius and/ or transform the problem of maximization of the stability radius to a tractable problem. An application to a circular antenna design problem is given in the regression case, and an application to compute a robust estimator is provided in the quadratic case.