Dans de nombreux secteurs industriels, la miniaturisation des systèmes est devenue une nécessité afin de réduire l’espace occupé, le poids, les prix et la consommation d’énergie et de matière. Pour ce faire, les industriels utilisent les Micro-Electro-Mechanical Systems (MEMS). En revanche, les MEMS présentent plusieurs problèmes de fiabilité dus à leurs nombreux mécanismes de défaillance qui ont un impact sur la disponibilité des systèmes dans lesquels ils sont utilisés. Il est alors important de surveiller ces microsystèmes, d’anticiper leurs défaillances et de recommander les actions nécessaires afin d’allonger leur durée de vie. Une solution efficace pour ce faire est de développer le Prognostics & Health Management (PHM) pour les MEMS. Dans cet esprit, la thèse porte sur le pronostic et l’étude de l’état de santé de MEMS et la prise de décision post-pronostic dans les systèmes contenant ces microsystèmes. L’objectif est de rendre un système à base de MEMS distribué intelligent en intégrant des modules d’évaluation et de prédiction de l’état de santé du système ainsi que des capacités d’auto-adaptation dépendant des missions que le système doit accomplir. Dans un premier temps, une approche de pronostic hybride pour les MEMS basée sur le filtrage particulaire est proposée. Dans un second temps, et afin de mieux utiliser les résultats de cette approche, une stratégie de décision post-pronostic dans les systèmes distribués à base de MEMS est introduite. Un simulateur distribué a été développé pour simuler la décision post-pronostic. La performance de l’approche de pronostic et de la stratégie de décision post-pronostic est validée sur une application réelle, à savoir un convoyeur modulaire à base de MEMS distribués. Un cycle complet de PHM est ainsi développé : de l’acquisition des données à la prise de décision. / In many industrial sectors, system miniaturization becomes mandatory, allowing reducing occupied space, weight, price, power and material consumption. For this, manufacturers use Micro-Electro- Mechanical Sytems (MEMS). However, MEMS devices have several reliability issues due to their numerous failure mechanisms, which have an impact on the availability of systems where they are utilized. Therefore, it is important to monitor these micro-systems, to anticipate their failures and to perform appropriate actions to maximize their lifespan. One possible solution is to develop the Prognostics & Health Management (PHM) for MEMS. The thesis deals then with the prognostics and the study of MEMS health state and the post-prognostics decision making in systems containing these micro-systems. The aim is to make a MEMS-based system distributed and intelligent by integrating modules of health state assessment and prediction and capacities of self-adaptability dependent of the tasks performed by the system. Firstly, a hybrid prognostics approach for MEMS based on the particle filtering is proposed. Secondly, and to better use the results of this approach, a post-prognostics decision strategy in MEMS-based distributed systems is introduced. This strategy is based on a distributed decision algorithm. The performance of the prognostics approach and the post-prognostics strategy is validated on a real application consisting of a modular conveyor based on distributed MEMS. A complete PHM cycle is thus performed: from data acquisition to decision making.