La détection de défaut est un champ de recherche très large. Les approches à base de modèle ont reçu une attention particulière. Parfois les incertitudes du modèle créent des déviations impactant la détection de défaut. Plusieurs méthodes sont apparues pour surmonter ce problème. L'approche active essaie de découpler les incertitudes afin de créer des résidus sensibles aux défauts alors que l'approche passive propage les incertitudes afin de créer des enveloppes contenant toutes les trajectoires. Dans ce mémoire, l'approche passive a été privilégiée et l'estimateur d'état par prédiction/correction appelé également " Set-Valued Observer " a été investigué. Cet observateur est particulièrement intéressant pour gérer l'effet d'enveloppement causé par les incertitudes du modèle. L'application étudiée dans ce mémoire est un papillon motorisé dont le modèle est non-linéaire. Pour éviter le conservatisme dû aux non-linéarités, l'approche multimodèle est utilisée pour modéliser - par plusieurs modèles linéaires qui commutent - le papillon motorisé. L'avantage de cette approche est de pouvoir utiliser directement l'analyse par intervalles sans dégrader la robustesse du diagnostic. Par ailleurs, certains capteurs du papillon motorisé ne sont pas disponibles ; la reconstruction de l'état, basée sur les redondances analytiques du modèle est nécessaire. Un Observateur de Luenberger Ensembliste est proposé, permettant d'allier la robustesse des méthodes ensemblistes et la puissance de l'exploitation des redondances analytiques du modèle à des fins de reconstruction de capteurs manquants. Cet observateur robuste allié à l'approche multimodèle nous a permis de concevoir une méthode de détection robuste des défauts dédiée au papillon motorisé et à de nombreux autres systèmes.