Plusieurs industries font face actuellement à un problème commun, soit la variabilité entre les lots de matières premières qu'elles utilisent. Cette dernière a un impact non négligeable sur la qualité du produit puisqu'elle rend l'atteinte des seuils de qualité plus ardue et occasionne une production moins uniforme. La mise en place d'un bon contrôle de qualité peut favoriser la réduction de sa propagation par l'usage de spécifications multivariées sur les propriétés de la matière première et par l'optimisation des conditions opératoires. Cette thèse vise à fournir de nouveaux outils pour réduire l'impact de la variabilité de la matière première sur le produit fini. Elle s'attarde à la généralisation de l'approche permettant de définir des spécifications multivariées construites à partir de modèles à variables latentes tels que la régression des moindres carrés partiels (PLS) ainsi qu'à l'optimisation dans l'espace latent. Elle débute par une analyse des deux techniques utilisées pour la définition des spécifications multivariées sur les propriétés de la matière première, soit l'inversion d'un modèle PLS et l'ajustement de limites dans l'espace latent discriminant les indices de qualité du produit fini. Celle-ci a permis de développer un outil d'aide à la décision facilitant la sélection de la méthode à utiliser en se basant sur leurs avantages et inconvénients. L'analyse de l'impact de la colinéarité entre les propriétés du produit fini a permis d'observer une perte de performances lorsque le degré de corrélation est élevé. Afin de comprendre cette dégradation, différentes causes ont été examinées telles que le conditionnement de la matrice à inverser et le positionnement des prédictions des indices de qualité dans l'espace de *scores*. En présence de forte corrélation, il est suggéré d'effectuer au préalable une analyse en composantes principales pour obtenir des variables indépendantes. Selon leurs définitions originales, les spécifications multivariées ne considèrent pas l'ajustement des conditions opératoires. Une méthodologie permettant le développement d'un outil d'aide à la décision utilisant une projection des structures latentes multiblocs séquentiels (SMB-PLS) a été élaborée afin d'accroître la zone d'acceptabilité de la matière première menant à l'atteinte des seuils de qualité du produit fini. Elle couple le concept de spécifications multivariées avec la résolution d'un problème d'optimisation dans l'espace latent qui tient compte de l'impact économique des modifications suggérées. Ainsi, l'utilisateur peut déterminer s'il est économiquement justifiable d'acheter un lot de matière première de moins bonne qualité. À partir d'un cas d'étude basé sur un procédé de broyage-flottation d'un minerai de plomb, les tests en simulation ont démontré que cette approche permet d'accepter correctement 7.3% plus de lots que l'opération normale. Comme elle requiert un processus en deux étapes, une méthode simplifiée a aussi été proposée. Cet outil se base uniquement sur un ensemble d'inégalités et ne nécessite pas la résolution du problème d'optimisation lors de la prise de décision. Ses performances sont similaires à l'approche globale. Finalement, dans certains cas, l'option d'accepter ou de rejeter un lot n'est pas possible puisque la matière première est déjà en stock et qu'elle ne peut être écartée. La réduction de l'impact de la variabilité repose donc uniquement sur l'ajustement des conditions opératoires. La structure du problème d'optimisation défini à partir d'un modèle SMB-PLS est utilisée pour proposer une solution d'optimisation en temps réel. Elle suggère les conditions opératoires nécessaires pour maximiser la rentabilité d'un procédé continu chaque fois qu'un nouveau lot de matière y est introduit. Sa structure inclut la mise à jour du modèle et un fonctionnement en boucle fermée pour minimiser l'effet des perturbations paramétriques. Le cas d'étude a montré qu'il est possible d'augmenter d'au moins 1.5% le gain semestriel comparativement à l'opération nominale. / A common problem currently faced by many industries is the lot-to-lot variability in incoming raw materials. This has a significant impact on product quality, since it is harder to reach quality targets, and results in a less uniform production. Carrying out proper quality control can help to reduce its propagation by using raw material multivariate specifications and optimization of operating conditions. This thesis aims to provide new tools to reduce the impact of raw material variability on the final product. It focuses on the generalization of the approach for defining multivariate specifications based on latent variable models such as the projection to latent space structure (PLS), as well as optimization in latent space. It begins with an analysis of the two techniques used to define raw material multivariate specifications, i.e. a PLS model inversion and direct mapping (fitting limits in the latent space that discriminates the final product quality indices). This helps to develop a decision-support tool facilitating the selection of the method to be used, based on their advantages and disadvantages. Analysis of the impact of collinearity between end-product properties revealed a loss of performance when the degree of correlation is high. In order to understand this degradation, various causes were examined, such as the condition number of the invertible matrix and the position of the prediction of the quality indices in the score space. In presence of strong correlation, it is suggested to perform a principal component analysis beforehand to obtain independent variables. In their original definitions, raw material multivariate specifications do not consider the adjustment of operating conditions. In order to increase the raw material acceptance region leading to the achievement of the final quality thresholds, a methodology is proposed to develop a decision support tool using sequential multi-block partial least squares model (SMB-PLS). It couples the concept of multivariate specifications with the resolution of an optimization problem in latent space, which takes into account the economic impact of suggested modifications. In this way, the user can determine whether it is economically justifiable to purchase a lower-quality raw material lot. Using a case study based on a lead ore milling flotation process, simulation tests demonstrated that this approach correctly accepts 7.3% more lots using multivariate specifications and operating the process at nominal conditions. As the framework considers two steps, a simplified method is also proposed. This tool is based only on a set of inequalities and does not require solving the optimization problem at the decision-making stage. Its performance is similar to that of the global approach. Finally, in some cases, it is impossible to determine the acceptability of a lot before purchasing it since the raw material is already in stock and cannot be discarded. Reducing the impact of variability relies therefore solely on adjusting operating conditions. The structure of the optimization problem defined from an SMB-PLS model is used to propose a real-time optimization solution. It suggests the operating conditions needed to maximize the profitability of a continuous process each time a new lot of raw material is introduced. Its structure includes model updating and closed-loop operation to minimize the effect of parametric disturbances. The case study showed that it is possible to increase the biannual gain by at least 1.5% compared to the nominal operation.