Les enjeux énergétiques et environnementaux liés au réchauffement climatique amènent à généraliser la sobriété énergétique des bâtiments neufs ainsi que la production locale d’énergie à l’horizon 2020. Ce travail de thèse se concentre sur le secteur de la maison individuelle qui représente près de la moitié des logements neufs construits en France pour un volume d’environ 200000 unités par an.Le contexte de la maison individuelle à énergie positive 100 % solaire consiste à rechercher les compromis entre le niveau de performance du bâti qui détermine les besoins en énergie et la capacité des équipements à valoriser l’énergie solaire pour d’une part subvenir aux besoins en chaleur pour assurer le chauffage et la production d’eau chaude sanitaire, et d’autre part produire l’électricité nécessaire à l’éclairage et aux autres usages spécifiques (matériels électroménager, vidéo, etc.). Après un examen des différents concepts de bâtiments à énergie positive, une analyse a été menée pour identifier les solutions techniques de systèmes solaires combinés capables de fournir le double service de production d’eau chaude et de chauffage. Un modèle détaillé a été développé dans l’environnement Dymola et vérifié par inter-comparaison de modèles à l’échelle des composants. Un algorithme de contrôle original a été mis au point pour maximiser la performance globale du système.Une première étude paramétrique a montré que ce système est capable dans certaines conditions de couvrir près de 80 % des besoins en chaleur de la maison étudiée. Néanmoins, son dimensionnement demeure complexe et la recherche de compromis entre la sobriété de la maison et le dimensionnement des systèmes solaires thermiques et photovoltaïques doit s’appuyer sur un algorithme d’optimisation multi-objectifs adapté.Un chapitre est donc consacré à l’élaboration d’un algorithme d’optimisation multi- objectifs qui s’appuie sur la méthode des colonies d’abeilles virtuelles. Cette approche s’est avérée particulièrement pertinente vis à vis du problème (paramètres discrets, continus et qualitatifs) à caractère multiobjectifs(maximiser la valorisation du solaire thermique pour le chauffage d’une part et pour la production d’eau chaude d’autre part, minimiser la consommation d’énergie conventionnelle) et sous contrainte car seules les solutions à bilan d’énergie positif sur l’année seront retenues. L’algorithme d’optimisation développé ici a été confronté à une série de problèmes classiques et a démontré sa capacité à construire l’ensemble des solutions avec un nombre relativement faible d’évaluations du modèle.Le dernier chapitre présente deux applications de conception de maisons à énergie positive. La première se situe en région bordelaise alors que la seconde est située à proximité de Strasbourg. Ces deux conditions climatiques permettent de mettre en évidence la capacité de l’algorithme d’optimisation à proposer un éventail de solutions optimales présentant des compromis différents en termes de performance du bâti et de dimensionnement des équipements solaires. Enfin, un outil d’aide à la décision permet d’explorer les fronts optimaux pour dégager les solutions à retenir. / With energy-related and environmental climate change challenges, energy sobriety and local energy production are yet to become a mainstream practice for new buildings construction by 2020. This works focuses on single-family houses which in France represent half of new buildings constructions with 200000 new units new units each year. Near zero energy single-family houses with 100 % solar energy consists on compromising between performance of building envelope which defines energy needs and the ability for equipments to value free solar energy. Hence solar energy must be able to cover space heating and domestic hot waterdemands but also provide enough energy for lightning and other specific uses such as domestic appliances.After a literature review of near zero energy house concepts, an analysis was undertaken to providea clear view of solar combi-systems technical solutions with the ability to provide enough energyfor both needs : space heating and domestic hot water. Using Dymola environment a detailed modelwas developed and its consistency was checked by inter-comparison at component scale. An innovative control algorithm has been worked out to maximize the solar system’s global performance. Afirst parametric study has shown that the system was able to cover close to 80 % of house heat requirement. However sizing of a solar combi-system is a complex task and requires to find compromises between building sobriety, solar thermal energy efficiency, and photovoltaics solar energy sizing. Because of the problem’s complexity, a decision aid tool with an appropriate multi-criteria optimizationalgorithm is required.To that end a chapter is dedicated to the development of a multi-criteria optimization algorithm based on artificial bee colony behavior. This approach has proved to be quite effective to solve the problem and to handle continuous, discrete and qualitative decision variables. Chosen solution was constrained to have a positive energy balance and must maximize solar space heating and domestic fraction in a view to reduce total energy consumption. A validation process has also been set up and the developed optimization algorithm has proved its ability to solve standard problems with a fairlyshort number of evaluations. Adopted methodology was illustrated by two applications of the design phase of a near zero energydetached house. First one is located at Bordeaux an second one in Strasbourg. Selected climate conditions emphasize the ability of the proposed approach to identify a wide range of optimal solutions showing differences within the building’s performance as well as the solar system sizing. Lastly a decision aid tool allows to explore optimal front in a convenient way to shape adapted solutions.

La généralisation planifiée du Bâtiment à Énergie POSitive est un enjeu important de développement durable, notamment dans une vision à long terme. Cependant, concevoir de tels bâtiments à moindre impact environnemental et à des coûts maîtrisés pour le marché constitue une problématique complexe pour les professionnels du secteur. Ces travaux de thèse se sont ainsi intéressés au développement d’une méthodologie permettant de fournir une aide à la décision opérationnelle et robuste pour l’écoconception de maisons à énergie positive (MEPOS). Basée sur l’optimisation multicritère (via un algorithme génétique), la démarche proposée associe au sein d’une plateforme multi-outils, simulation thermique dynamique, analyse de cycle de vie, et fonctions de coût de construction, pour identifier, sur une base multicritère (front de Pareto) et sur le cycle de vie, des concepts de MEPOS performantes et fournir au décideur une description des meilleurs compromis. Également intégrées dans la plateforme, des méthodes d’analyses de sensibilité et d’incertitude offrent la possibilité de sélectionner les variables de conception les plus influentes en amont de l’optimisation, et d’évaluer le risque de non-robustesse d’une décision en aval de l’optimisation, notamment au regard des incertitudes sur le comportement des occupants (avec un modèle stochastique d’occupation), et de l’évolution prévisible du climat jusqu’à la fin du siècle. Via une collaboration avec un constructeur, la méthodologie a été appliquée en temps réel au sein d’un processus de conception intégrée d’une MEPOS. / The planned generalisation of Plus Energy Buildings constitutes an important topic for sustainable development, especially in a long term vision. However, designing such buildings at lower environmental impact and with competitive cost for the market constitutes a complex issue for the sector’s professionals. This thesis focused on the development of a methodology providing an operational and robust decision support to eco-design plus-energy houses. Based on multi-criteria optimisation (via a genetic algorithm), the proposed approach combines in a multi-tools platform, dynamic building energy simulation, life cycle assessment, and cost construction functions, in order to identify, on a multi-criteria (Pareto front) and life cycle basis, efficient plus-energy houses concepts and to provide decision maker a description of the best compromises. Also included in the platform, sensitivity and uncertainty analysis methods offer the possibility to select the most influent design variables before optimisation, and to evaluate the non-robustness risk of a decision after optimisation, especially regarding uncertainties on occupants’ behaviour (with a stochastic model of occupancy) and climate’s predictable evolution up to the end of the century. Via collaboration with a constructor, the methodology was applied in real-time throughout a integrated design process of a plus-energy house.