Le travail présenté dans ce mémoire a été effectué dans le cadre du projet FEDER ”Maintenance prédictive des éoliennes et maîtrise des impacts environnementaux”. Un des objectifs du projet a été de développer, dans le Poitou-Charentes, des compétences dans le domaine de l’éolien en lien avec les activités des laboratoires LIAS et LaSIE. Pour le LIAS, il a été décidé de lancer une nouvelle activité de recherche sur le diagnostic de défauts mécaniques. Le cadre du projet concernant l’éolien, les défauts localisés dans les multiplicateurs ont été privilégiés. Par ailleurs, nous avons restreint l’étude au régime stationnaire afin de simplifier l’apprentissage des différents phénomènes mis en jeu et des techniques de traitement du signal utilisées. Dans une première partie, nous avons étudié les signatures de défaut sur les signaux vibratoires. Cette phase a été facilitée par l’utilisation des données expérimentales mise à disposition par le Bearing Data Center de la Case Western Reserve - University de Cleveland. Parmi les méthodes de traitement de signal utilisées, nous avons opté pour l’analyse d’enveloppe mise en oeuvre dans les techniques de type Time Synchronous Analysis (TSA). A cette occasion, nous avons défini une procédure complète de détection de défaut que nous avons conservée tout au long de cette étude en appliquant une technique d’identification de type PNL qui nous a permis d’obtenir des résultats comparables à des méthodes haute résolution de type ESPRIT. Par la suite, nous nous sommes recentrés sur l’application éolienne en réalisant un banc d’essai original permettant d’émuler un défaut au niveau de l’accouplement de deux machines électriques. L’idée principale a été de recenser l’ensemble des signaux exploitables dans le cadre de la détection du défaut émulé et de fournir une classification entre les courants électriques, le couple mécanique et la vitesse des machines. Par ailleurs, un comparatif entre signaux mesurés et signaux estimés a été présenté. Il en ressort qu’il est possible d’obtenir un signal observé plus riche que la mesure directe en terme de composantes spectrales liées au défaut. Cette amélioration est rendue possible par une synthèse adéquate des gains d’observation qui a été obtenue après linéarisation de l’observateur étudié. En marge de l’application éolienne, le cas d’un moteur commandé vectoriellement a été abordé. L’idée a été d’exploiter les performances de la boucle de vitesse afin d’amplifier les composantes recherchées dans les courants électriques. L’ensemble de ces pistes de recherches a été testé en simulation et expérimentalement. / The work presented in this thesis was carried out under the FEDER project ”Maintenance prédictive des éoliennes et maîtrise des impacts environnementaux”. One of the project objectives was to develop, in Poitou-Charentes, expertise in the field of wind power in connection with the activities of LIAS and LaSIE laboratories. For LIAS, it was decided to launch a new research activity on the diagnosis of mechanical faults. The localized defects in gearbox were privileged. Furthermore, we restricted the study to the stationary system to simplify the learning of different phenomena involved and signal processing techniques. In the first part, we studied the fault signatures on the vibration signals. This phase was facilitated by the use of experimental data available from the Bearing Data Center of the Case Western Reserve - Cleveland University. Among the signal processing methods, we opted for envelope analysis implemented in the Synchronous Time Averaging (TSA). On this occasion, we defined a comprehensive fault detection procedure that we have maintained throughout this study by applying a NLP identification technique where we obtained similar results compared to high-resolution methods as ESPRIT. There after, we refocused on wind power applications by making an original test bench capable of emulating a fault in the coupling of two electrical machines. The main idea was to identify all usable signals in the context of emulated fault detection and to provide a classification between electric currents, mechanical torque and speed of the machines. Moreover, a comparison between measured signals and estimated ones was discussed. It shows that it is possible to get an observed signal richer than direct signal measurement in terms of spectral components related to the defect. This improvement is made possible by an appropriate synthesis of gains observer which was obtained after linearization of the studied observer. In the margin of wind application, the case of a motor controlled by vector was also discussed. The idea was to exploit the speed loop performance to amplify the fault components in electrical currents. All these researches have been tested in simulation and experimentally.