L’analyse vibratoire constitue une part très importante des moyens de mesures pour la surveillance et la détection des défauts mécaniques des machines tournantes. Le positionnement des accéléromètres est stratégique et contribue fortement à la réussite du diagnostic ; la proximité du capteur de l’élément défaillant est une condition très utile, mais pas toujours réalisable. La corrélation entre le bruit émis par une machine et son état est assez étroite et montre l’apport des mesures acoustiques pour l’optimisation du diagnostic. L’imagerie acoustique, très appliquée pour détecter des sources dans le domaine du transport, avec ses multiples méthodes (holographie, beamforming, etc…) peut être un moyen pour remonter aux défauts mécaniques. Dans cet objectif, plusieurs stratégies basées sur l’algorithme de beamforming sont développées. Premièrement, des indicateurs communément utilisés pour le diagnostic des machines sont visualisés en fonction de l’espace. Le kurtosis permet de localiser les sources impulsives qui peuvent être reliées à un défaut. De nouveaux indicateurs basés sur le spectre d’enveloppe des signaux focalisés sont également mis en place pour détecter les défauts de roulement de bague interne et externe. D’autre part, la moyenne synchrone angulaire est utilisée pour extraire le champ acoustique synchrone avec la rotation d'un composant de la machine. Les sources reliées à un défaut sont affectées au champ résiduel et peuvent être identifiées dans les cartographies. Enfin, une nouvelle méthode d'imagerie acoustique qui exploite les fonctions de transfert vibroacoustiques entre des accéléromètres positionnés sur la machine et une antenne acoustique est développée. Elle permet d'obtenir des cartographies de la pression rayonnée sur une surface de la machine uniquement à partir d'accéléromètres. Son applicabilité à la détection de défaut est également démontrée sur un banc à engrenages. / Vibration analysis is mainly used in condition monitoring and fault detection of rotating machine domain. The success of the diagnosis is strongly related to the position of the accelerometers. However, the machine geometry sometimes prevents the sensors to be placed close enough to the faulted part causing the diagnostic failure. The sound emitted by a mechanism and its condition are related. Using microphones to optimize condition monitoring is then justified. Acoustic imaging techniques (acoustic holography, beamforming, etc…) are mainly used as a source localization and quantification tool but they can be turned into a powerful diagnosis tool. Several strategies based on the beamforming algorithm are developed in this work. Firstly, diagnosis features commonly used in condition monitoring of rotating machinery are mapped as a function of space. Kurtosis allows localizing impulsive sources which eventually can be related to a mechanism failure. New features based on the squared envelope spectrum of the focused signals are also introduced. They aim toward the detection of inner and outer race fault in roller element bearings. On the other hand, angular synchronous average is used to extract the acoustic field synchronous with one component rotation. The sources related to a fault are localized in the residual field mappings. Finally, a new imaging technique based on the vibroacoustic transfer functions between a few accelerometers placed on the machine and the microphone array is developed. It allows obtaining the mappings of the radiated pressure on the machine surface only thanks to the accelerometers. It is tested as a fault detection tool on a test bench