Cette thèse propose une méthode originale d'estimation ensembliste d'états de procédés nonlinéaires discrets, qui est globalement convergente. La méthode est basée sur une technique d'estimation à horizon glissant par intervalles (IMHSE), couplé à une technique d'optimisation globale de fonctions non-linéaires qui utilise l'arithmétique par intervalles. En d'autres termes, la méthode IMHSE résout le problème d'estimation d'état d'un système dynamique par un problème statique d'optimisation globale non-linéaire par intervalles, sur un horizon de temps prédéfini. Les mesures faites hors ligne dans un procédé peuvent être utilisées facilement dans cet observateur ensembliste pour reconstruire les variables de l'état qui sont représentés par intervalles. Ce travail considère aussi la détection de dysfonctionnement d'un modèle en utilisant un observateur IMHSE multi-modèles (une propriété de plus donnée à notre observateur). L'objectif de cette approche multi-modèles est de détecter les variations dynamiques des paramètres du modèle dans le temps. Ces variations sont prises en considération en utilisant plusieurs modèles différents. Ces modèles seront commutés par notre observateur ensembliste pour reconstruire les états du système. Mis d'une façon simple, cette approche consiste à utiliser un modèle nominal pour l'état et d'autres modèles pour décrire les situations possibles de fonctionnement anormal (paramètres perturbés). L'algorithme nous permet de connaître en ligne quel est le meilleur modèle qui décrit le comportement réel du système. La technique proposée a été appliquée sur des modèles de procédés complexes biotechnologiques tel que la fermentation sur substrat solide, et à des bioprocédés décrit par des modèles hybrides. Les résultats obtenus par simulation montrent que ce type d'observateur a des avantages sur les autres observateurs et filtres, et qu'il peut être facilement appliqué dans un contexte industriel.