Ce travail s'inscrit dans le cadre du projet FUI RIDER (Research for IT Driven Energy efficiency) qui vise à développer un système de gestion de l'énergie faiblement dépendant du bâtiment à contrôler et propose une nouvelle approche pour réduire les coûts énergétiques. Cette approche exploite la notion de confort thermique afin de calculer de nouvelles consignes à fournir au système de contrôle du conditionnement du bâtiment. L'approche s'appuie sur l'idée que le confort thermique est une notion multidimensionnelle subjective. La littérature propose des modèles statistiques pour appréhender le confort thermique. Malheureusement, ces modèles sont fortement non linéaires et non interprétables ce qui rend difficile leur utilisation pour la conduite ou l'optimisation. Nous proposons un nouveau modèle de confort basé sur la théorie de l'utilité multi attributs et les intégrales de Choquet. L'intérêt d'un tel modèle est qu'il est interprétable en termes de préférences pour la conduite, linéaire par simplexe ce qui facilite la résolution des problèmes d'optimisation, et plus concis qu'un système de contrôle à base de règles. Dans la seconde partie de ce travail, le THermal Process Enhancement (THPE) s'intéresse à l'obtention efficiente des consignes calculées avec le modèle du confort thermique. Le THPE se base sur un raisonnement approché établi à partir d'un modèle qualitatif enrichi EQM (Extended Qualitative Model). L'EQM est le résultat de l'étude mathématique et qualitative des équations différentielles régissant les processus thermiques. Il est enrichi en continu par un système de gestion de l'expérience basé sur un apprentissage avec pénalités qui fournit les informations quantitatives nécessaires pour inférer des recommandations de conduite quantifiées à partir des tendances modélisées dans l'EQM. L'EQM et les raisonnements associés requièrent peu de paramètres et sont opérationnels même si la base d'apprentissage est initialement vide au lancement de RIDER. Le système de gestion de l'expérience permet simplement de quantifier les recommandations et de converger plus vite vers une commande optimale. Le raisonnement à base de modèles qui supporte notre approche est faiblement dépendant du processus thermique, pertinent dès le lancement de RIDER et se prête facilement au changement d'échelle de l'analyse thermique d'un bâtiment. Les performances de notre THPE, sa stabilité et son adaptation par rapport aux variations de l'environnement sont illustrées sur différents problèmes de contrôle et d'optimisation. Les commandes optimales sont généralement obtenues en quelques itérations et permettent d'avoir un contrôle adaptatif et individuel des pièces d'un bâtiment. / The present work is part of the FUI RIDER project (Research for IT Driven Energy efficiency). It aims to develop an energy management system that has to be weakly dependent on building's specificities in order to be easily deployed in different kinds of buildings. This work proposes a new approach based on the thermal comfort concept in order to reduce energy costs. This approach takes advantage of the thermal comfort concept in order to compute new optimized setpoints for the building energy control system. It relies on the idea that thermal comfort is a subjective multidimensional concept that can be used to reduce energy consumption. The literature provides statistical thermal comfort models but their complexity and non-linearity make them not useful for the control and optimization purposes. Our new thermal comfort model is based on the multi attributes utility theory and Choquet integrals. The advantages of our model are: its interpretability in term of preference relationships, its linearity in simplex regions which simplifies optimization problems' solving, and its compact form which is more tractable than a rule based control formalism. In the second part of this work, the THermal Process Enhancement (THPE) proposes a control system approach to efficiently reach the optimized setpoints provided by the comfort model. The THPE proposes an efficient and simple thermal control approach based on imprecise knowledge of buildings' special features. Its weak data-dependency ensures the scalability and simplicity of our approach. For this, an extended thermal qualitative model (EQM) is proposed. It is based on a qualitative description of influences that actions' parameters may have on buildings' thermal performances. This description results from the mathematical and qualitative analysis of dynamical thermal behaviors. Our thermal qualitative model is then enriched by online collecting and assessing previous thermal control performances. The online learning provides the necessary quantitative information to infer quantified control recommendations from the qualitative tendencies displayed by the EQM. Thus, an approximate reasoning based on the EQM and an online learning coupled with a penalty function provides smart thermal control functionalities. The EQM based approximate reasoning guarantees our control system weak dependency with regard to the building special features as well as its multi-scale applicability and its relevancy even for RIDER's first start when the learning database lacks of information. The performances of our THPE are assessed on various types of control and optimization issues. An optimal control is generally achieved in a few iterations which allows providing an adaptive and individual control of building's rooms.