La généralisation planifiée du Bâtiment à Énergie POSitive est un enjeu important de développement durable, notamment dans une vision à long terme. Cependant, concevoir de tels bâtiments à moindre impact environnemental et à des coûts maîtrisés pour le marché constitue une problématique complexe pour les professionnels du secteur. Ces travaux de thèse se sont ainsi intéressés au développement d’une méthodologie permettant de fournir une aide à la décision opérationnelle et robuste pour l’écoconception de maisons à énergie positive (MEPOS). Basée sur l’optimisation multicritère (via un algorithme génétique), la démarche proposée associe au sein d’une plateforme multi-outils, simulation thermique dynamique, analyse de cycle de vie, et fonctions de coût de construction, pour identifier, sur une base multicritère (front de Pareto) et sur le cycle de vie, des concepts de MEPOS performantes et fournir au décideur une description des meilleurs compromis. Également intégrées dans la plateforme, des méthodes d’analyses de sensibilité et d’incertitude offrent la possibilité de sélectionner les variables de conception les plus influentes en amont de l’optimisation, et d’évaluer le risque de non-robustesse d’une décision en aval de l’optimisation, notamment au regard des incertitudes sur le comportement des occupants (avec un modèle stochastique d’occupation), et de l’évolution prévisible du climat jusqu’à la fin du siècle. Via une collaboration avec un constructeur, la méthodologie a été appliquée en temps réel au sein d’un processus de conception intégrée d’une MEPOS. / The planned generalisation of Plus Energy Buildings constitutes an important topic for sustainable development, especially in a long term vision. However, designing such buildings at lower environmental impact and with competitive cost for the market constitutes a complex issue for the sector’s professionals. This thesis focused on the development of a methodology providing an operational and robust decision support to eco-design plus-energy houses. Based on multi-criteria optimisation (via a genetic algorithm), the proposed approach combines in a multi-tools platform, dynamic building energy simulation, life cycle assessment, and cost construction functions, in order to identify, on a multi-criteria (Pareto front) and life cycle basis, efficient plus-energy houses concepts and to provide decision maker a description of the best compromises. Also included in the platform, sensitivity and uncertainty analysis methods offer the possibility to select the most influent design variables before optimisation, and to evaluate the non-robustness risk of a decision after optimisation, especially regarding uncertainties on occupants’ behaviour (with a stochastic model of occupancy) and climate’s predictable evolution up to the end of the century. Via collaboration with a constructor, the methodology was applied in real-time throughout a integrated design process of a plus-energy house.