Dans cette thèse nous nous sommes intéressés à la détection, la localisation et l'estimation de défauts (capteurs, actionneurs et défauts internes) dans les systèmes modélisés sous forme d'état linéaire et bilinéaire. La méthode que nous proposons, (appelée MPD pour Méthode par Projection des Données), nécessite de connaître la structure du modèle comportemental mais ne nécessite pas de connaître les valeurs des paramètres de ce modèle. Les résidus sont générés par des techniques de projection matricielle en utilisant uniquement les données d'entrées et de sorties mesurées. Cette méthode peut être directement implantée sur des applications de même type sans que les paramètres de chaque système soient identifiés. Cette méthode pourrait donc être très utile pour tester des systèmes en fin de chaîne de fabrication ou pour être implantée sur un parc (groupe) de machines identiques. Elle pourrait être aussi utile pour des systèmes à paramètres difficilement identifiables. Les défauts internes (supposés abrupts et invariants, c'est-à-dire correspondant à un biais constant sur les paramètres) entraînent des dynamiques différentes qui correspondent à des modes de fonctionnement défaillant. Le problème de diagnostic se ramène alors à un problème d'estimation des instants de commutation et de reconnaissance du mode actif à chaque instant. / In this thesis we are interested in detecting, isolating and estimating faults (sensors, actuators and internal faults) in systems modeled as linear and bilinear systems. The method we propose (called MPD Data Projection Method), requires knowledge of the behavioral model structure but does not need to know the parameter values of this model. Residuals are generated by matrix projection techniques using only the input-output measured data. This method can be directly implemented on applications of the same type without the parameter identifications of each system. This method could be very useful for testing systems at the end of the production line or to be located on a park (group) of identical machines. It could also be useful for systems with parameters difficult to identify. Internal faults (assumed abrupt and invariants, that is to say corresponding to a constant bias parameters) lead to different dynamics corresponding to modes of faulty operation. The diagnostic problem then reduces to a problem of estimation of the switching times and recognition of the active mode at each time instant.