La surveillance des systèmes industriels et/ou embarqués constitue une préoccupation majeure en raison de l’accroissement de leur complexité et des exigences sur le respect des profilsde mission. La détection d’anomalies tient une place centrale dans ce contexte. Fondamentalement,les procédures de détection à base de modèles consistent à comparer le fonctionnement réel dusystème avec un fonctionnement de référence établi à l’aide d’un modèle sans défaut. Cependant,les systèmes à surveiller présentent souvent des dynamiques non linéaires et difficiles à caractériserde manière exacte. L’approche retenue dans cette thèse consiste à englober leur influencepar des incertitudes bornées. La propagation de ces incertitudes permet l’évaluation de seuils dedécision visant à assurer le meilleur compromis possible entre sensibilité aux défauts et robustesseaux perturbations tout en préservant une complexité algorithmique raisonnable. Pour cela, unepart importante du travail porte sur l’extension des classes de modèles dynamiques à incertitudesbornées pour lesquels des observateurs intervalles peuvent être obtenus avec les preuves d’inclusionet de stabilité associées. En s’appuyant sur des changements de coordonnées variant dans letemps, des dynamiques LTI, LPV et LTV sont considérées graduellement pour déboucher sur desclasses de dynamiques Non Linéaires à Incertitudes Bornées continues (NL-IB). Une transformationdes modèles NL-IB en modèles LPV-IB a été utilisée. Une première étude sur les non-linéaritésd’une dynamique de vol longitudinal est présentée. Un axe de travail complémentaire porte surune caractérisation explicite de la variabilité (comportement aléatoire) du bruit de mesure dansun contexte à erreurs bornées. En combinant cette approche à base de données avec celle à basede modèle utilisant un prédicteur intervalle, une méthode prometteuse permettant la détection dedéfauts relatifs à la position d’une surface de contrôle d’un avion est proposée. Une étude portenotamment sur la détection du blocage et de l’embarquement d’une gouverne de profondeur. / The monitoring of industrial and/or embedded systems is a major concern accordingto their increasing complexity and requirements to respect the mission profiles. Detection of anomaliesplays a key role in this context. Fundamentally, model-based detection procedures consist incomparing the true operation of the system with a reference established using a fault-free model.However, the monitored systems often feature nonlinear dynamics which are difficult to be exactlycharacterized. The approach considered in this thesis is to enclose their influence through boundeduncertainties. The propagation of these uncertainties allows the evaluation of thresholds aimingat ensuring a good trade-off between sensitivity to faults and robustness with respect to disturbanceswhile maintaining a reasonable computational complexity. To that purpose, an importantpart of the work adresses the extension of classes of dynamic models with bounded uncertaintiesso that interval observers can be obtained with the related inclusion and stability proofs. Based ona time-varying change of coordinates, LTI, LPV and LTV dynamics are gradually considered tofinally deal with some classes classes of nonlinear continuous dynamics with bounded uncertainties.A transformation of such nonlinear models into LPV models with bounded uncertainties has beenused. A first study on nonlinearities involved in longitudinal flight dynamics is presented. A complementarywork deals with an explicit characterization of measurement noise variability (randombehavior of noise within measurement) in a bounded error context. Combining this data-drivenapproach with a model-driven one using an interval predictor, a promising method for the detectionof faults related to the position of aircraft control surfaces is proposed. In this context, specialattention has been paid to the detection of runaway and jamming of an elevator.