La gestion de la continuité des opérations est un cadre complet visant à éviter que les événements perturbateurs n’affectent les opérations commerciales, à rétablir rapidement les activités et à réduire les dommages potentiels correspondants pour les systèmes énergétiques, tels que les centrales nucléaires. Cette thèse propose des discussions sur les aspects suivants: développement de méthodes appropriées d'évaluation des risques afin d'intégrer les données de surveillance de l'état et les données d'inspection pour une mise à jour et des pronostics robustes et en temps réel du profil de risque. Pour tenir compte de l'incertitude des données de surveillance de l'état, un modèle de mélange gaussien de Markov caché est développé pour modéliser les données de surveillance de l'état. Un réseau bayésien est appliqué pour intégrer les deux sources de données. Pour améliorer l'applicabilité de la continuité des opérations dans la pratique, les variables variant dans le temps considèrent l'indice de continuité des opérations, par ex. la dégradation des composants, les revenus en fonction du temps, etc. sont pris en compte dans le processus de modélisation de la continuité des activités. Sur la base de l'indice de continuité d'activité proposé, une méthode d'optimisation conjointe prenant en compte toutes les mesures de sécurité dans le processus d'évolution des événements, y compris les étapes de prévention, d'atténuation, d'urgence et de récupération, est développée pour améliorer la continuité des opérations du système avec des ressources limitées. Les méthodologies proposées sont appliquées aux centrales nucléaires contre les événements perturbateurs. / Business continuity management is a comprehensive framework to prevent the disruptive events from impacting the business operations, quickly recovering business and reducing the corresponding potential damages for energy system, such as nuclear power plants (NPPs). This dissertation provides discussions on the following aspects: developing appropriate risk assessment methods in order to integrate condition monitoring data and inspection data for a robust and real-time risk profile updating and prognostics. To account for the uncertainty of condition monitoring data, a hidden Markov gaussian mixture model is developed to model the condition monitoring data. A Bayesian network is applied to integrate the two data sources. For improving applicability of business continuity in practice, time-variant variables regard business continuity index, e.g. component degradation, time-dependent revenue, etc are taken into consideration in the business continuity modelling process. Based on the proposed business continuity index, a joint optimization method considering all the safety measures in event evolvement process including prevention stage, mitigation stage, emergency stage and recovery stage is developed to enhance system business continuity under limited resources. The proposed methodologies are applied to NPP against disruptive event.