Ce travail, réalisé dans le cadre d'un contrat CIFRE entre le groupe Volvo, le LAGIS et le LM2S, traite des problèmes de planification des tâches de maintenance sur des véhicules industriels. Le but est de proposer un service de planification de maintenance adaptée au véhicule spécifique avec un coût de maintenance optimisé.Pour un système multi-composant, deux ensembles de composants peuvent être définis suivant le type d'information disponible concernant leurs états: âge ou niveau de dégradation. Sur la base de ces deux ensembles, des dates optimales de maintenance pour chaque composant peuvent être obtenues en minimisant une fonction de coût qui tient compte des coûts préventif, correctif et d'inspection éventuelle et qui dépend de la probabilité de panne. Dans le cas des composants à maintenance basée sur l'âge, la fonction de probabilité de panne est fixée a priori ; dans le cas des composants à détérioration elle est recalculée à chaque inspection.Les opérations de maintenance sont ensuite regroupées sur un horizon roulant. Certaines opérations doivent être déplacées par rapport à leur date optimale ce qui entraîne l'ajout d'un coût de pénalité. Les regroupements sont effectués en tenant compte des coûts de logistique des arrêts de maintenance, des coûts de pénalité de chaque opération et d'un intervalle de temps minimal entre deux groupes de maintenances qui correspond au temps de préparation de maintenance. La planification est obtenue en maximisant la différence entre la somme des coûts des maintenances individuelles et le coût global en tenant compte des groupes de tâches de maintenance. Le planning de maintenance est remis à jour à la prochaine inspection. / This thesis deals with the maintenance operation scheduling issues of commercial vehicles. It is a CIFRE collaboration between the Volvo group, LAGIS and LM2S laboratories. The aim is to suggest a maintenance scheduling service adapted to the vehicle with an optimized maintenance cost.The vehicle is considered as a multi-component system. For each component, the optimal maintenance dates are computed using a maintenance cost function. This cost function depends on the preventive cost, the corrective cost and possibly the inspection cost, and also on the component failure probability function. In our system, two types of components are defined according to the available component state information : age or degradation level. The failure probability function is fixed a priori for the first component class while it is updated at each inspection for deteriorating and monitored components.The maintenance operations are grouped on a rolling horizon. Some operations must be shifted from their optimal maintenance dates, which implies a penalty cost. The maintenance scheduling depends on the set-up cost, the penalty cost of each operation, and a minimal time interval between two maintenance groups which represents the preparation time. The set-up costs depend on the number of maintenance stops. The saving cost is computed from the difference between the maintenance cost with individual operations and the maintenance cost with the defined operation groups. The developed algorithm provides the optimal maintenance planning according to the available degradation data and the operational constraints. Maintenance scheduling is updated at the next inspection date.