A travers cette thèse, nous nous intéressons au secteur industriel du textile. Les acteurs de ce secteur, qui se caractérise souvent par des chaînes logistiques internationales, doivent s’adapter à une demande dynamique pour des produits de courte durée de vie. Ces spécificités renforcent la nécessité de s’imposer dans un environnement très concurrentiel par une maîtrise des coûts et des ressources de production et logistique ainsi que par une bonne connaissance du marché auquel il faut savoir sans cesse s’adapter. Dans cette thèse, en s’inspirant du contexte d’un industriel tunisien du textile, nous nous focalisons sur l’optimisation, par la programmation mathématique, de la planification de la production et de la distribution des produits. Ces décisions reviennent à l’industriel qui fournit des clients nationaux et internationaux. Il s’engage auprès d’eux à répondre à deux types de commandes : (i) des commandes de mise en place des collections à venir, souvent de délais longs et (ii) des commandes de réassort, souvent de délais très courts, pour les collections en cours de vente. Nous proposons une méthode de planification qui optimise, à la fois, les décisions de production et de distribution de produits. Cette méthode se caractérise par une anticipation d’une certaine flexibilité dans le plan de production tactique pour mieux absorber les commandes de réassort dans le plan opérationnel. Grâce aux données fournies par notre partenaire industriel, nous étions en mesure de démontrer qu’une telle approche permet des économies de coûts remarquables, allant jusqu’à 10% pour le cas étudié. Nous supposons dans un second temps qu’un accord de partenariat permettait à l’industriel d’avoir accès à l’information sur l’évolution de la demande pour les produits en cours de vente chez ses clients. Il peut alors mobiliser cette information pour établir des modèles de prévision et les utiliser pour anticiper au mieux la flexibilité a priori des plannings de production. Sous cette hypothèse, nous démontrons que l’industriel peut réaliser un gain sur les coûts totaux d’environ 15%. Le travail de cette thèse a trouvé une application et une validation grâce aux données fournies par un acteur de l’industrie du textile. Nous montrons néanmoins qu’il est largement valable pour des contextes industriels différents. / Through this thesis, we are interested in the textile industry. The actors in this field of industry, which is often characterized by global supply chains, must adapt to a dynamic demand for short-life-cycle products. These characteristics reinforce the need to be imperative in a highly competitive environment by controlling costs and resources of production and logistics and by having a good knowledge of the market to which it is necessary to constantly know how to adapt. In this thesis, basing on the context of a Tunisian textile industry, we focus on production and distribution planning using mathematical programming. These decisions are made by the manufacturer who provides local and overseas retailers. He is fully committed to meet two types of orders: (i) pre-season orders of future collections, often with a large delivery lead time and (ii) replenishment orders, often with shorter due dates, occurring over the season to fill in stock outs or to replace unsold products. We propose an integrated planning method that optimizes both the production and distribution decisions. This method is characterized by an anticipation of some flexibility in the tactical production plan to better place the unplanned and urgent newly arrived demands at the operational level. Using the data provided by our industrial partner, we were able to demonstrate that such an approach allows remarkable cost savings, reaching 10% for the cases studied. Then, we assume that a partnership agreement has allowed the manufacturer to follow the evolution of demand information concerning the products being sold to their retailers. They can then use this information to build forecast model to anticipate at best the flexibility a priori of production plans. Under this assumption, we demonstrate that a cost cutting of 15% is attained. The work of this thesis was validated by data provided by a Tunisian textile-apparel company. We show, however, that it can be widely applied to different industrial contexts.