La sélection génomique (SG) des animaux et des plantes a été rendue possible grâce aux avancées des biotechnologies, notamment des puces à ADN de haute densité et de faible coût. Son efficacité et sa profitabilité a été clairement démontrée chez les bovins laitiers, où elle a été très rapidement mise en pratique. En revanche, son application pour les petits ruminants est encore limitée, et, notamment, n’a pas démarré en France. Ses potentialités sont toutefois à l’étude dans quelques programmes concernant les ovins et caprins laitiers, et les responsables des filières correspondantes désirent connaitre l’efficacité de cet outil dans leur situation. Cependant, la prudence est de règle, compte tenu des différences entre les schémas de sélection des bovins laitiers et des petits ruminants. Cette étude fait partie d’un programme entrepris pour évaluer l’utilisation et la gestion de l’information génomique dans les schémas de sélection ovin et caprin. Au cours de cette thèse ont été examinés (1) l’impact de la SG sur le gain génétique dans des schémas de sélection de petits ruminants, (2) l’efficacité économique de la SG en petits ruminants, en prenant l’exemple d’un programme de sélection ovin-viande; (3) l’importance d’une optimisation de certaines décisions (quantifiées par des variables dans un modèle décrivant les schémas) pour maximiser le progrès génétique et (4) une piste contribuant à l’optimisation de la population de référence. Les modèles utilisés appartiennent au champ des méthodes déterministes et les exemples ont porté sur les schémas de sélection existants (ovins laitiers, ovins viande et caprins laitiers). Les résultats de cette étude suggèrent que la sélection génomique peut être plus rentable que la sélection classique en terme de gain génétique, à condition qu’une population de référence de taille moyenne soit disponible (environ 2000 individus). Ils montrent, en particulier dans les schémas laitiers, que le potentiel de la SG de réduire l’intervalle de génération pourrait fortement augmenter le gain génétique. Dans le schéma ovin allaitant modélisé, combiner l’information génomique et les phénotypes de caractères bouchers donne plus de gain génétique que la sélection classique ou la SG sans phénotype sur les candidats. En termes d’impacts économiques, les résultats du schéma ovin allaitant modélisé montrent que toutes les stratégies de sélection génomiques sont plus onéreuses que la sélection classique. Cependant, les gains marginaux (recettes totales moins coûts variables) de certains scénarii de SG s’avèrent légèrement plus élevés que pour la sélection classique. L’étude montre également, dans tous les schémas et stratégies de sélection, que l’optimisation de l’utilisation de variables de décision pourrait grandement augmenter le gain génétique et l’efficacité économique, par rapport aux situations actuelles. Avec cette étude, on peut conclure que la mise en place de la sélection génomique dans les programmes de sélection des petits ruminants est possible et pourrait être plus bénéfique que la sélection classique dans certains cas. Cependant, il y a plus d’obstacles par rapport aux bovins laitiers, en particulier, la construction d’une population de référence fiable et des coûts élevés de génotypages par rapport à la valeur des candidats à la sélection. Ces obstacles pourraient freiner sa mise en œuvre, voire l’empêcher dans certaines races. / Implementing genomic selection (GS) in small ruminant breeding programs is still at the research and development level. This new way of selection in animals and plants was made possible thanks to the development of low costs, high density SNP chips. It proved to be highly beneficial in dairy cattle breeding programs. The French small ruminant industries are strongly interested in evaluating the efficiency of this tool in their situation. However, they are also very cautious given the inherent differences in terms of capacity and functionalities between dairy cattle and small ruminant breeding programs. This study is part of bigger efforts mobilized to evaluate the use and management of genomic information in sheep and goats breeding programs. The PhD work examined (1) the impact of genomic selection on genetic gain of small ruminant breeding programs; (2) the economic efficiency of genomic selection in small ruminant, through an example of a meat sheep breeding program; (3) the benefits of optimizing the use of decision variables on genetic gain; and (4) contributed some ideas on how to optimize the choice of individuals in the reference population. The modeling parts were done by deterministic methods and the examples focused on the existing breeding programs (dairy sheep, meat sheep and dairy goats) with medium to small size breeding units. The results of this study suggest that adopting genomic selection can be more profitable than classic selection in terms of genetic gain, provided that, at least, a medium size reference population is available (around 2,000 individuals). They show, especially in dairy breeds, that the GS potentials of reducing generation interval could greatly increase the genetic gain. In meat sheep breeding program, exploring the possibility of combining genomic information and meat phenotypes gave higher genetic gain than classic or pure genomic selection. In terms of economic impacts, results of the meat sheep breeding program we modeled show that all genomic selection strategies are more expensive than classic selection. However, the contribution margins (total revenues minus total variable costs) of some GS variants were slightly higher than benefits from classic selection. The study also shows, across breeds and selection strategies, that optimizing the use of decision variables could greatly increase the genetic gain and benefits, compared to the current situation. With this thesis we can conclude that adopting genomic selection in small ruminant breeding programs is possible and could be more beneficial than classic selection in some cases. However, there are more obstacles compared to dairy cattle, especially, construction of reliable reference populations and high costs of genotypes relative to the value of selection candidates. These might delay implementation in general or prevent it in some breeds.