Dans ce manuscrit, nous présentons une méthode d’optimisation de forme qui se base sur des paramètres géométriques comme des longueurs, des angles, etc. Nous nous appuyons sur des techniques d’optimisation basées sur un gradient. La sensibilité de la fonction objectif par rapport à la position des noeuds du maillage nous est fournie par un solveur adjoint que l’on considère comme une boîte noire. Afin d’optimiser par rapport aux paramètres CAO, nous nous concentrons sur l’évaluation de la sensibilité de la position des noeuds par rapport à ces paramètres. Ainsi, nous proposons deux approches par différences finies. La première méthode s’appuie sur une projection harmonique afin de comparer dans un même espace le maillage initial et celui obtenu suite à la variation d’un paramètre CAO. Les développements présentés dans ce manuscrit permettent d’étendre l’application aux formes ayant plusieurs frontières comme les collecteurs d’échappement. Nous avons développé une méthode d’interpolation adaptée à cette comparaison. L’ensemble du processus a été automatisé et nous en montrons l’entière efficacité sur des applications industrielles en aérodynamique interne. La deuxième méthode se base directement sur les géométries CAO pour évaluer cette sensibilité. Nous utilisons la définition intrinsèque des patches dans l’espace paramétrique (u;v) pour effectuer cette comparaison. Grâce à l’utilisation des coordonnées exactes en tout point de la surface fournies par la CAO, nous évitons d’avoir recours à une interpolation afin d’avoir la meilleure précision de calcul possible. Cependant, contrairement à la première méthode, elle requiert d’identifier les correspondances entre les patches d’une forme à l’autre. Une application sur un cas académique a été faite en aérodynamique externe. La pertinence de la première méthode a été démontrée sur des cas représentatifs et multiobjectifs, ce qui permettrait de faciliter son déploiement et son utilisation dans un cadre industriel. Quant à la deuxième méthode, nous avons montré son fort potentiel. Cependant, des développements supplémentaires seraient nécessaires pour une application plus poussée. Du fait qu’elles sont indépendantes des solveurs mécaniques et du nombre de paramètres, ces méthodes réduisent considérablement les temps de développement des produits, notamment en permettant l’optimisation multiphysique en grande dimension. / In this manuscript, we present a shape optimization method based on CAD parameters such as lengths, angles, etc. We rely on gradient-based optimization techniques. The sensitivity of the objective function, with respect to the mesh nodes position, is provided by an adjoint solver considered here as a black box. To optimize with respect to CAD parameters, we focus on computing the sensitivity of the nodes positions with respect to these parameters. Thus, we propose two approaches based on finite differences. The first method uses a harmonic projection to compare in the same space the initial mesh and the one obtained after a change of the set of CAD parameters. The developments presented in this manuscript open up new doors like the application to shapes with multiple borders such as exhaust manifolds. We also developed an interpolation method suitable for this comparison. The entire process is automated, and we demonstrate the entire effectiveness on internal aerodynamics industrial applications. The second method is directly based on the CAD geometries to assess this sensitivity. To perform this comparison, we use the intrinsic definition of the patches in the parametric space (u;v). Through the use of the exact coordinates at any point on the surface provided by the CAD, we avoid using an interpolation to get the best calculation accuracy possible. However, unlike the first method, it requires to identify the correspondence between patches from one shape to another. An application on an external aerodynamics academic case was made. The relevance of the first method is demonstrated on a representative multi-objective case, which facilitate its deployment use in an industrial environment. Regarding the second method, we showed its great potential. However, further developments are needed to handle more advanced cases. Because they are independent of the mechanical solver and the number of parameters, these methods significantly reduce product development time, particularly by allowing large and multiphysics optimization.