Dans un environnement fortement concurrentiel, les industriels doivent constamment améliorer leurs produits pour rester compétitifs et satisfaire au mieux leurs clients tout en minimisant les coûts et la prise de risques en conception. En phase préliminaire de conception ou de (re-)engineering, prédire les performances de nouveaux produits est une tâche difficile. En effet, l’impact des changements opérés sur les caractéristiques du produit relativement aux performances de celui-ci ne peut être estimé que de façon imprécise. Décideurs et concepteurs doivent pourtant identifier les performances à améliorer en limitant les efforts d’ingénierie déployés pour des améliorations innovantes. Bien que plusieurs indicateurs de plus-value aient été proposés par la communauté de la décision multicritère pour évaluer a priori l’amélioration que confère un changement de configuration à un produit, ils semblent néanmoins reposer sur des hypothèses de réalisabilité des gains de performance peu réalistes dans le contexte manufacturier.Sur la base de techniques d’analyse multicritère et de théorie des possibilités, cette thèse propose une extension de ces indices de plus-values lorsque la vraisemblance des améliorations espérées ne peut être évaluée de façon précise comme c’est le cas en phase de conception préliminaire. Cette connaissance imparfaite des relations entre les actions d’amélioration et les performances espérées rend la question « comment se fixer des objectifs ambitieux lorsque l’on conçoit ou améliore un produit tout en faisant en sorte que ces objectifs restent à la portée du manufacturier ? » d’autant plus complexe. Ainsi, les améliorations qu’il faut planifier doivent à la fois avoir un impact significatif sur la performance du produit et correspondre à des compétences maîtrisées par le manufacturier. Plusieurs approches de la littérature se sont intéressées à ces deux aspects de l’amélioration, mais peu d’entre elles les considèrent conjointement. Nous proposons dans cette thèse plusieurs approches qualitatives et possibilistes qui concilient les deux points de vue à travers des problèmes d’optimisation multi-attributs. La notion d’interaction entre deux dimensions de la performance y est centrale. Un exemple relatif à la conception d’un robot autonome est proposé pour illustrer chacune de nos propositions. Cette étude de cas est issue du challenge Robafis qui est organisé annuellement par l’Association Française d’ingénierie Système (AFIS) pour promouvoir l’ingénierie système dans les écoles d’ingénieurs. / In a highly competitive and unstable environment, manufacturers must constantly improve their products to remain competitive and satisfy their customers while minimizing incurred costs and risk taking at the design stage. At the early stages of (re-)engineering, performances forecasting of new product is complicated. Indeed, the impacts of any characteristic change on the product performance are not precisely known. Decision makers must thus identify the performances to be improved while limiting the engineering efforts spent on innovative upgrades. Although some theoretical worth indexes have been proposed in the multiple criteria decision-making literature to estimate the expectable gains when improving changes are planned, they generally rely on non-realistic assumptions on the achievability of the expected improvements that cannot hold in manufacturing contexts. Based on multi-criteria decision analysis techniques and uncertainty theory, this thesis proposes an extension of the worth index concept when the likelihood of the expected improvements is not precisely known as it is the case at the preliminary stages of design activities. This poor knowledge of the relationships between improvement actions and expected performances makes the issue “how to set ambitious targets when improving or designing product while these targets remain within the reach of the manufacturer” all the thornier. Thus, improvements to be focused on are those which both have a significant positive impact on product performance and correspond to operational changes properly under control by the manufacturer. While some approaches in the literature have already addressed each of the two aspects of the improvement problem, few deal with both of them at the same time. We investigate several qualitative and possibilistic approaches that conciliate both points of view as multi attributes optimization problems. The notion of interaction between any two objectives to be simultaneously satisfied is central in our framework. An illustrative example related to the design phase of autonomous robot is provided. This case study is issued from the robotic challenge Robafis that is organized annually by the French association of Systems Engineering AFIS to promote Systems Engineering practice in engineers’ schools.