Un système SHM par ondes guidées a pour but d'évaluer l'intégrité d'une grande variété de structures fines, telles que les fuselages d'avions, les tuyaux, les réservoirs, etc. Un tel système est basé sur un réseau de capteurs piézoélectriques pour l'excitation et la mesure des ondes guidées. Cette méthode de SHM par ondes guidées est prometteuse pour l'inspection de structures de grande taille, ces ondes se propageant sur de grandes distances avec peu d'atténuation, tout en étant sensibles aux défauts surfaciques et subsurfaciques.Cette thèse présente les travaux menés dans le but de développer un système de SHM par ondes guidées capable de détecter, localiser et dimensionner efficacement les défauts dans des structures aéronautiques assimilables à des plaques, en matériaux composites ou en aluminium. Des simulations et des méthodes d'apprentissage sont utilisées pour déterminer les caractéristiques principales des ondes guidées propagées, notamment les vitesses de phase et de groupe ainsi que la fonction de Green 3D. Celles-ci sont ensuite utilisées pour traiter les signaux des ondes guidées afin de produire des images représentant l'intégrité des structures étudiées. Ce travail comprend également une étude approfondie des algorithmes d'imagerie DAS, MV et Excitelet, les plus prometteurs parmi ceux de la littérature, une évaluation de leurs performances par analyse statistique sur une grande base de données de résultats de simulations d'imagerie par ondes guidées et propose une méthode d'imagerie parcimonieuse.Alors que la détection et la localisation des défauts à partir de l'analyse des images est aisée, le dimensionnement du défaut est un problème plus complexe en raison de sa forte dimensionnalité et de sa non-linéarité. Il est démontré que ce problème peut être résolu par des méthodes d'apprentissage automatique sur une grande base de données de résultats de simulations d'imagerie par ondes guidées. Ces méthodes d'imagerie nécessitent cependant une référence, mesurée sur la structure dans un état supposé sain. Elles sont efficaces dans des conditions opérationnelles stationnaires mais sont sensibles aux variations de l'environnement et notamment aux fluctuations de température.Ce travail présente donc l'étude de la robustesse face aux effets thermiques des méthodes d'imagerie par ondes guidées et propose un modèle de détection de défauts capable d'analyser des résultats d'imagerie détériorés. Plusieurs techniques de compensation des effets thermiques sont étudiées et des améliorations sont proposées. Leur efficacité est validée pour les plaques d'aluminium mais des améliorations supplémentaires sont nécessaires pour les étendre aux plaques de composites. / A guided wave-based structural health monitoring (SHM) system aims at determining the integrity of a wide variety of plate-like structures, including aircraft fuselages, pipes, tanks etc. It relies on a sparse array of piezoelectric transducers for guided waves (GWs) excitation and sensing. With a number of benefits, these waves are standing out among other methods as a promising method for the inspection of large structures. They can propagate on significant distances with small attenuation while being sensitive to surface and subsurface defects.This thesis presents studies conducted with the purpose of developing such a GWs-based SHM system that is capable of efficient defect detection, localization and sizing aeronautical plate-like structures made of aluminum and composite materials. Simulation and data-driven approaches are presented for determining principal characteristics of propagating GWs, namely modal group and phase velocities, 3D Green's functions etc. in structures of interest. They are then used for GWs signals processing in order to compute images representing the integrity of studied structures. This work also provides a comprehensive overview of DAS, MV and Excitelet defect imaging algorithms, determines their performance using statistical analysis of an extensive dataset of simulated guided waves imaging (GWI) results and proposes a method for sparse defect imaging.While defect detection and localization are straightforward from the image analysis, the defect sizing is a more complex problem due to its high dimensionality and non-linearity. It is demonstrated that this problem can be solved by means of machine learning methods, relying on an extensive database of simulated GWI results. Aforementioned defect imaging methods are baseline demanding. They are efficient under stationary operational conditions but vulnerable to environmental variations, especially to the temperature fluctuation.Finally, this work presents studies on the robustness of GWI methods against thermal effects, and a defect detection model capable of analyzing deteriorated GWI results is proposed. Different techniques for thermal effects compensation are reviewed, and improvements are proposed. Their effectiveness is validated for aluminum plates but further improvements are required to translate these techniques to composite plates.