L'objectif de cette thèse est la gestion et le dimensionnement optimaux d'un Système de Stockage d'Énergie (SSE) couplé à une production d'électricité issue d'Énergies Renouvelables Intermittentes (EnRI). Dans un premier temps, un modèle technico-économique du système SSE-EnRI est développé, associé à trois scénarios types d'injection de puissance au réseau électrique : lissage horaire basé sur la prévision J-1 (S1), puissance garantie (S2) et combiné (S3). Ce modèle est traduit sous la forme d'un programme d'optimisation non linéaire de grande taille. Dans un deuxième temps, les stratégies heuristiques élaborées conduisent à une gestion optimisée - selon les critères de fiabilité, de productivité, d'efficacité et de profitabilité du système - de la production d'énergie avec stockage, appelée “charge adaptative” (CA). Comparée à un modèle linéaire mixte en nombres entiers (MILP), cette gestion optimisée, applicable en conditions opérationnelles, conduit rapidement à des résultats proches de l'optimum. Enfin, la charge adaptative est utilisée dans le dimensionnement optimisé du SSE - pour chacune des trois sources : éolien, houle, solaire (PV). La capacité minimale permettant de respecter le scénario avec un taux de défaillance et des tarifs de revente de l'énergie viables ainsi que les énergies conformes, perdues, manquantes correspondantes sont déterminées. Une analyse de sensibilité est menée montrant l'importance des rendements, de la qualité de prévision ainsi que la forte influence de l'hybridation des sources sur le dimensionnement technico-économique du SSE. / This thesis aims at presenting an optimal management and sizing of an Energy Storage System (ESS) paired up with Intermittent Renewable Energy Sources (IReN). Firstly, wedeveloped a technico-economic model of the system which is associated with three typical scenarios of utility grid power supply: hourly smoothing based on a one-day-ahead forecast (S1), guaranteed power supply (S2) and combined scenarios (S3). This model takes the form of a large-scale non-linear optimization program. Secondly, four heuristic strategies are assessed and lead to an optimized management of the power output with storage according to the reliability, productivity, efficiency and profitability criteria. This ESS optimized management is called “Adaptive Storage Operation” (ASO). When compared to a mixed integer linear program (MILP), this optimized operation that is practicable under operational conditions gives rapidly near-optimal results. Finally, we use the ASO in ESS optimal sizing for each renewable energy: wind, wave and solar (PV). We determine the minimal sizing that complies with each scenario, by inferring the failure rate, the viable feed-in tariff of the energy, and the corresponding compliant, lost or missing energies. We also perform sensitivity analysis which highlights the importance of the ESS efficiency and of the forecasting accuracy and the strong influence of the hybridization of renewables on ESS technico-economic sizing.