Dans cette thèse, nous nous sommes attaqués au problème de séparation aveugle de mélanges linéaires de sources ayant des propriétés de cyclo-stationnarité. Trois applications ont été abordées à savoir : télécommunications, vibrations mécaniques et biomécaniques. Dans un premier temps, deux nouvelles méthodes ont été proposées, la première a pour but de séparer aveuglement des sources cyclo-stationnaires partageant une ou plusieurs fréquences cycliques inconnues. Elle combine la diagonalisation conjointe à un nouveau détecteur de points utiles (retard-fréquence cyclique) permettant de composer l’ensemble de matrices de corrélation cyclique devant être diagonalisées conjointement. Quant à la deuxième méthode, elle vise à identifier la matrice de mélange de sources cyclostationnaires de fréquences cycliques inconnues et différentes. L’identification commence par une étape de détection des matrices de rang un, puis décompose en éléments propres le produit de matrices sélectionnées, enfin une méthode de regroupement hiérarchique restitue les colonnes de notre matrice recherchée. Les deux solutions ont été appliquées aux signaux de télécommunications. Dans un second temps, nous avons appliqué d’abord la première méthode proposée sur des signaux mécaniques issus d’un banc de roulements défaillants afin de tester son aptitude à séparer les sources. Ensuite, nous avons proposé une approche qui s’appuie sur l’analyse en composantes parcimonieuses pour séparer les composantes de la force de réaction au sol ayant des propriétés cyclo-stationnaires à l’ordre 1 et 2 / In this thesis, we have tackled the problem of blind separation of linear mixtures of sources with cyclo-stationarity properties. Three applications were studied : telecommunications, mechanical vibrations and biomechanics. First, two new methods have been proposed, the first one aims to blindly separate cyclo-stationary sources sharing one or more unknown cyclic frequencies. It combines the joint diagonalization with a new useful point detector (time lag-cyclic frequency) to compose the set of cyclic correlation matrices to be jointly diagonalized. As for the second method, it aims to identify the mixture matrix of cyclo-stationary sources of unknown and different cyclic frequencies. The identification begins with a step of detecting the matrices of rank one, then the product of selected matrices is decomposed into eigen-elements, and finally a hierarchical regrouping method returns the columns of our sought matrix. Both solutions have been applied to telecommunications signals. In a second step, we first applied the first proposed method on mechanical signals coming from a bank of faulty bearings in order to test its ability to separate the sources. Next, we proposed an approach based on sparse component analysis to separate the components of the ground reaction force with cyclo-stationary properties at order 1 and 2