Sous nos latitudes, l’usage des bâtiments existants et les consommations énergétiques associées (chauffage, climatisation, ventilation, eau chaude sanitaire, éclairage et autres usages) sont responsables d’impacts considérables sur l’Environnement. De plus, le renouvellement du parc existant étant inférieur à 1% par an, dans la plupart des pays développés, la réhabilitation des bâtiments constitue un levier majeur de réduction des consommations d’énergie et des émissions de gaz à effet de serre. Cependant, l’identification de stratégies optimales de réhabilitation énergétique, incluant la planification des actions dans le temps, demeure une problématique complexe pour les acteurs de la Construction. Ces travaux de thèse visent à produire des connaissances afin de contribuer à l’aide à la décision pour l’identification de programmes efficaces de réhabilitation énergétique, à partir de méthodes d’optimisation multicritères. Les solutions (programmes séquentiels de réhabilitation énergétique) sont optimisées en termes de composition et de phasage. La composition est définie par la combinaison de mesures de réhabilitation mise en oeuvre. Celles-ci concernent l’enveloppe des bâtiments (isolation thermique, remplacement des fenêtres, surfaces de fenêtres) et le remplacement des équipements de chauffage, ventilation et production d’ECS. Pour chacune des mesures, plusieurs alternatives sont envisagées. Le phasage correspond à la permutation de ces mesures, définissant la séquence de mise en oeuvre. Les solutions sont évaluées sur une base multicritère et sur le cycle de vie. Les fonctions objectifs ciblent les impacts environnementaux de l’ACV (Analyse de Cycle de Vie), des indicateurs économiques, le bien-être des occupants par le confort thermique adaptatif en été. Des modèles d’ACV et d’analyse du coût du cycle de vie, utilisant la simulation thermique dynamique pour le calcul des besoins de chauffage et des températures intérieures, ont été développés pour l’évaluation des performances des solutions. Etant donnée la nature mathématique du problème (multicritère, combinatoire, à variables discrètes et à fonctions objectifs implicites non-linéaires), deux méthodes d’optimisation multicritères sont étudiées : les algorithmes génétiques (NSGA II) et la programmation dynamique. Dans l’approche génétique, la modélisation des solutions, sous la forme d’un couple de chromosomes, permet d’identifier des programmes séquentiels efficaces de réhabilitation énergétique et d’analyser les surfaces de compromis, en termes de définition et performances des solutions, de compromis entre les critères de décision. A partir de la représentation du problème par un graphe séquentiel, la programmation dynamique permet alors de comparer les solutions approchées issues de l’algorithme génétique, ou d’approches court-termistes, au front de Pareto exact. L’optimisation exacte a également été exploitée pour analyser la sensibilité des solutions à différents paramètres de modélisation dont le comportement des occupants, l’évolution des prix de l’énergie, la durée de vie des composants de réhabilitation. Les contraintes budgétaires s’appliquant au projet de réhabilitation ont été ensuite intégrées dans un algorithme génétique multicritère sous contraintes, adapté à l’étude des stratégies de réhabilitation sous la contrainte d’un plan de financement. Enfin, l’approche génétique a été étendue depuis l’échelle du bâtiment à celle du par cet l’optimisation exacte a été utilisée pour caractériser les typologies de bâtiment en réhabilitation. L’intérêt des différentes méthodes est illustré sur une étude de cas (…) / Under our latitudes, existing buildings energy consumptions, related to heating, cooling, ventilation, domestic hot water (DHW), lighting and other uses, are responsible for significant environmental burdens. Moreover, existing buildings annual replacement rate being lower than 1%, in most developed countries, existing stock retrofit represents a major lever to reach commitments on climate change and non-renewable energy consumption mitigation. However, the identification of optimal sustainable retrofit programs, including actions planning over a time period, is still a difficult task for professionals.This thesis aims at producing knowledge in order to contribute to decision support for efficient energy retrofit programs identification, through the application of different multi-criteria optimization techniques. The solutions (sequential building energy retrofit programs) are optimized both on their content and planning. The content refers to the combination of retrofit measures considered. These address holistically building envelopes (thermal insulation, windows replacement, window to wall ratios), and the replacement of equipment for ventilation, heating and DHW production. For each of these measures, various options are considered. The planning corresponds to the permutation of these measures, defining a time sequence for implementation. The solutions are evaluated on a multi-criteria and life cycle basis. The objective functions considered target environmental impacts evaluated using LCA (Life Cycle Assessment), some financial indicators and occupants' well-being through thermal comfort in summer. Life cycle assessment and life cycle cost models, using building dynamic thermal simulation for heating load and thermal comfort evaluation, are implemented to assess solutions performances.Considering the problem mathematical nature (multi-criteria, combinatorial, discrete variables, implicit non-linear objective functions), two suitable multi-criteria optimization techniques have been studied: multi-criteria genetic algorithm (NSGA-II) and dynamic programming. In the genetic approach, the modelling of each solution by a pair of chromosomes allowed to identify efficient sequential energy retrofit programs and analyse Pareto compromise surfaces, in terms of solutions features, performances and relationships in between criteria. Then, the representation of the problem on a sequential graph enabled us to apply dynamic programming, to compare both the genetic approximate solutions, and the results of some short- term approaches to the exact Pareto frontier. The search for exact solutions also been exploited to perform sensitivity analysis on different modelling parameters such as heating temperature setting, energy prices evolution or materials lifespan. Real life budget constraints have been incorporated to build a constrained multi-criteria genetic optimisation method, suitable to study retrofit strategies under financing plans. At the end, the genetic approach has been extended from building scale to stock scale and exact optimization has been used to characterize building types in terms of energy retrofit.The benefits of these methods have been illustrated on case studies. Knowledge has been produced in terms of multi criteria optimization methodology, applied to sequential energy retrofit, and understanding of building stocks evolution. These developments contribute to decision aiding; providing decision makers with efficient energy retrofit strategies and a description of the comprise surface, at the building or building stock scale, on a multi- criteria basis, over life cycle