Nous présentons les enjeux du management environnemental et soulignons l’importance d’une politique d’économie d’énergie pour les entreprises. Nous proposons un modèle pour déterminer le bilan énergétique de la fabrication en intégrant les différentes phases productives et non-productives. Nous définissons un double objectif pour la minimisation de la durée de production et de la consommation d’énergie. Nous appliquons ce modèle à l’ordonnancement d’ateliers job-shop flexibles. Pour déterminer la solution optimale nous utilisons deux classes de méthodes : - La première relève des algorithmes génétiques. Nous proposons différents types d’algorithmes pour résoudre ce problème multicritère. Nous proposons par exemple de faire évoluer deux populations pour minimiser respectivement l’énergie consommée et la durée de production et de les croiser pour atteindre l’objectif global. - La seconde relève de la programmation sous contrainte. Nous proposons de rechercher la solution optimale en développant une double arborescence pour évaluer l’énergie consommée et la durée de production. Nous construisons notre algorithme en partant des tâches à réaliser sur les machines ou en partant des machines qui réaliseront les tâches. Nous discutons de la construction du front de Pareto pour l’obtention de la meilleure solution.Nous terminons en comparant les différentes approches et en discutant leur pertinence pour traiter des problèmes de différentes tailles. Nous proposons également plusieurs améliorations et quelques pistes pour de futures recherches. / We present the challenges of environmental management and underline the importance of an energy saving policy for companies. We propose a model to determine the energy balance of manufacturing by integrating the different productive and non-productive phases. We define two purposes for minimizing production time and energy consumption. We apply this model to the scheduling of flexible job-shop workshops. To determine the optimal solution we use two types of methods: - The first is genetic algorithms. We propose different types of algorithms to solve this multi-criteria problem. For example, we propose to develop two populations to minimize the energy consumed and the production time, and to cross them to achieve the overall objective. - The second is constraint programming. We propose to find the optimal solution by developing a double tree to evaluate the energy consumed and the production time. We build our algorithm starting from the tasks to be performed on the machines or from the machines that will perform the tasks. We discuss the construction of the Pareto front to get the best solution.We finish by comparing the different approaches and discussing their relevance to deal with problems of different sizes. We also offer several improvements and some leads for future research.

De nos jours, la demande en trafic mobile a considérablement augmenté. Face à cette croissance, plusieurs propositions font l'objet d'étude pour remédier à un tel défi. L’architecture des réseaux d’accès de type Cloud (C-RAN) est l’une des propositions pour faire face à cette demande croissante, et constitue une solution candidate potentielle pour les réseaux futurs 5G. L'architecture C-RAN dissocie deux éléments principaux de la station de base: La BBU ou ``Baseband Unit", qui constitue une unité intelligente pour le traitement des données en bande de base, et le RRH ou ``Remote Radio Head", constituant en une antenne passive pour fournir l'accès aux utilisateurs (UEs). Grâce à l’architecture C-RAN, les BBUs sont centralement regroupées, alors que les RRHs sont distribués sur plusieurs sites. Plusieurs avantages sont ainsi dérivés, tels que le gain en multiplexage statistique, l’efficacité d’utilisation des ressources, et l’économie de puissance. Contrairement à l’architecture conventionnelle où chaque RRH est exclusivement associé à une BBU, dans l’architecture C-RAN, plusieurs RRHs sont regroupés en une seule BBU lorsque les conditions de charge sont faibles. Ceci présente plusieurs avantages, tel que l’amélioration en efficacité énergétique et la minimisation en consommation de puissance. Dans cette thèse, nous adressons le problème d’optimisation des associations BBU-RRH. Nous nous intéressons à l’optimisation des regroupements des RRHs aux BBUs en tenant compte de critères multiples. Plusieurs contraintes sont ainsi envisagées, tel que la réduction de la consommation d'énergie sous garantie de Qualité de Service (QoS) minimale. En outre, la prise en compte du changement du niveau d’interférence en activant/désactivant les BBUs est primordiale pour l’amélioration de l’efficacité spectrale. En plus, décider dynamiquement de la réassociation des RRHs aux BBUs sous des conditions de charges variables représente un défi, vu que les UEs connectés aux RRHs changeant leurs associations font face à des ``handovers" (HOs). / The demand on mobile traffic has been largely increasing nowadays. Facing such growth, several propositions are being studied to cope with this challenge. Cloud-Radio Access Networks Architecture (C-RAN) is one of the proposed solutions to address the increased demand, and is a potential candidate for future 5G networks. The C-RAN architecture dissociates two main elements composing the base station: The Baseband Unit (BBU), consisting in an intelligent element to perform baseband tasks functionalities, and the Remote Radio Head (RRH), that consists in a passive antenna element to provide access for serviced User Equipments (UEs). In C-RAN architecture, the BBUs migrate to a Cloud data center, while RRHs remain distributed across multiple sites. Several advantages are derived, such as statistical multiplexing gain, efficiency in resource utilization and power saving. Contrarily to conventional architecture, where each RRH is associated to one BBU, in C-RAN architecture, multiple RRHs can be embraced by one single BBU when network load conditions are low, bringing along several benefits, such as enhanced energy efficiency, and power consumption minimization. In this thesis, the BBU-RRH association optimization problem is addressed. Our aim is to optimize the BBU-RRH association schemes, taking into consideration several criteria. The problem presents many constraints: For example, achieving minimized power consumption while guaranteeing a minimum level of Quality of Service (QoS) is a challenging task. Further, taking into account the interference level variation while turning ON/OFF BBUs is paramount to achieve enhanced spectral efficiency. Moreover, deciding how to re-associate RRHs to BBUs under dynamic load conditions is also a challenge, since connected UEs face handovers (HOs) when RRHs change their associations.