La surveillance automatique consiste à vérifier le bon fonctionnement d'un système tout au long de sa durée d'utilisation et ce, sans intervention humaine. Elle permet de mettre en place une stratégie de maintenance prévisionnelle qui présente un intérêt économique majeur, en particulier dans le cas de systèmes isolés comme les éoliennes construites en pleine mer. La surveillance automatique se base sur l'acquisition plus ou moins régulière de signaux pendant le fonctionnement du système surveillé. L'analyse de ces signaux doit permettre d'établir un diagnostic et de prendre une décision sur le déclenchement des opérations de maintenance. Dans cette thèse, nous proposons une méthode d'analyse générique permettant de s'adapter à n'importe quel système surveillé. La méthode se déroule en plusieurs étapes. Premièrement, chaque signal est analysé individuellement pour en extraire son contenu spectral, c'est-à-dire identifier les pics spectraux, les séries harmoniques et les bandes de modulation présents dans sa densité spectrale. Ensuite, ce contenu spectral est suivi au cours du temps pour former des trajectoires sur l'ensemble de la séquence de signaux acquis. Ces trajectoires permettent de générer des tendances qui sont le reflet de la santé du système. Enfin, les tendances sont analysées pour identifier un changement au cœur du système qui serait synonyme d'usure ou de défaut naissant. Cette méthodologie est validée sur de nombreux signaux réels provenant de la surveillance de différents systèmes mécaniques. / The automatic monitoring consists in verifying without any human intervention that a system is operating well. The monitoring allows to use a predictive maintenance strategy, which is economically interesting, especially in the case of isolated systems like off-shore wind turbines. The automatic monitoring is based on signals acquired more or less regularly while the monitored system is operating. The analysis of these signals should be sufficient to diagnose the system and to decide whether or not the maintenance operations should be done. In this thesis, we propose a generic analysis method able to adapt itself to any monitored system. This method is composed by several steps. First, each signal is analyzed individually in order to extract its spectral content, that is to identify the spectral peaks, the harmonic series and the modulation sidebands presents in the signal spectrum. Then, the spectral content is tracked through time to construct spectral trajectories in the sequence of acquired signal. These trajectories are used to generate trends which indicate the state of the system health. Finally, the trends are analyzed to identify a change in the system response which would indicate some wear or a fault in is early stage. This analysis method is validated on real world signals acquired on different mechanical systems.