La tendance actuelle est à la restructuration rapide des entreprises. Dans un contexte dynamique, ces entreprises doivent être en mesure de s'adapter rapidement aux changements s'opérant dans leur environnement. Ces changements se répercutent presqu'assurément sur leur réseau logistique. L'analyse des stratégies de production, qui incluent les technologies à privilégier ainsi que la capacité requise des processeurs et de la main d'œuvre, doit être effectuée de plus en plus fréquemment afin de permettre aux entreprises de demeurer compétitives. Ces stratégies doivent être flexibles et robustes dans le but de favoriser les réorganisations souhaitées. Cette thèse propose des outils mathématiques d'aide à la réingénierie de réseaux manufacturiers dont le but est de faciliter la prise de décision de la part des entreprises subissant ce type de pressions. Ces outils fournissent des indicateurs de performance afin d'aider efficacement ces entreprises. De plus, ils permettent de réaliser différentes analyses en considérant des scénarios probables et de les comparer. Enfin, les alternatives fournies par ces outils permettent d'obtenir de l'information pertinente a l'étude du réseau manufacturier et ce, dans des délais raisonnables. Trois différents modèles mathématiques de programmation linéaires en nombres entiers sont développés dans le cadre de cette thèse et font office d'outils d'aide à la décision. Les modèles proposés intègrent des aspects complexes que les outils conventionnels ne sont pas en mesure de considérer adéquatement. En effet, ce type de modèle devient rapidement très complexe et difficile à résoudre. Les éléments considérés incluent la localisation des sites de production et leur organisation, le choix et les habiletés des processeurs et de la main d'œuvre et le temps de réponse et le niveau de service offerts aux clients dans un contexte de maximisation des profits dans le cas du dernier modèle. Différentes techniques avancées de recherche opérationnelle ont été investiguées. Notons les approches de décomposition et les techniques accélératrices comme l'ajout de coupes d'optimalité valides. Les résultats obtenus d'après le contexte des expérimentations réalisées démontrent la valeur managériale des outils proposés. Enfin, différentes perspectives de travail intéressantes sont soulevées, favorisant les avancées dans ce domaine de recherche motivant et en pleine ébullition. / Today's enterprises need fast reorganizations. In a dynamic context, enterprises must be able to quickly adapt to environment changes. Moreover, these changes generally reflect on their supply chain. Site selection and production strategies, including technology choices and capacity planning of processors and workers, must be analyzed more frequently in order for the enterprise to remain competitive. These strategies must be flexible and robust in order to support reorganizations of the enterprise. The thesis proposes a set of mathematical tools which aim to help enterprises in the design of their manufacturing networks. The objective of theses tools is to facilitate decision making for enterprises in this context. They provide a means for assessing through key performance indicators the impact of a manufacturing network on the competitiveness of the enterprise. They enable the analysis and comparison of actual versus proposed alternative network designs. They also provide a means for generating in satisfying time sets of realistic optimized alternatives. Mixed integer linear programming models are developed and act as decision-support tools. These models integrate complex aspects that conventional tools are not able to consider adequately. Actually, these models are difficult to solve. Many advanced techniques of operations research were investigated and implemented in this thesis, including decomposition methods and accelerative techniques, like the addition of valid cuts. The results obtained by experimentation show the value of these models as managerial tools. Interesting avenues of research were raised supporting the development of this motivating field of research.