Les chantiers de type chambre ouverte ont été popularisés dans les mines souterraines autour des années 80 dû aux hauts rendements et relativement faibles coûts qu'ils engendrent. Le succès de cette méthode de minage dépend de la capacité à concevoir une chambre ouverte qui maximise les profits tout en respectant la géométrie de celle-ci lors du minage. En réalité, des sur-bris (volume de roche minée et non planifiée) et sous-bris (volume de roche planifié laissée en place) sont générés lors du minage du chantier et peuvent avoir des conséquences néfastes sur la stabilité du chantier et la rentabilité des opérations. Afin de minimiser ces bris hors-profil et leurs impacts, des outils empiriques, tels que les abaques de stabilité, ont été développés et améliorés afin de prédire les volumes de sur-bris par face pour le chantier. Malheureusement, ces outils présentent certaines limitations :ils intègrent un nombre limité de paramètres (ce qui ne couvre pas toutes les causes possibles des bris hors profil pour le site à l'étude), le sous-bris n'est pas considéré et la résolution spatiale des prédictions est limitée (valeur qualitative ou moyenne par face). Ces limitations empêchent l'intégration de données économiques dans les prédictions et ainsi l’optimisation globale des chantiers. L'objectif de cette thèse fut de développer une méthodologie pour les mines en opération qui permet de comprendre la distribution spatiale et la magnitude des bris hors-profils générés le long de la surface du chantier et d'utiliser ces connaissances durant la conception du chantier pour prédire la géométrie attendue afin d'optimiser sa performance. Pour ce faire, une base de données de chantiers fut créée pour trois cas d'étude (deux en Australie et un au Canada) à une résolution par octree (données géoréférencées mesurées à une résolution d'environ un mètre cube) qui comprend des paramètres géométriques, géomécaniques, géologiques, opérationnels et de performance. Des méthodes statistiques univariées, bivariées et multivariées (analyse en composantes principales et moindres carrés partiels) ont servi à identifier les paramètres critiques. Deux modèles prédictifs multivariés ont été utilisés par la suite pour prédire la géométrie (moindres carrés partiels et forêt aléatoire) ainsi qu'un modèle prédictif additionnel (analyse discriminante linéaire) pour prédire la position des bris hors-profils. Les modèles ont été comparés pour déterminer la meilleure approche. Des données économiques ont ensuite été intégrées pour caractériser les performances géotechniques (bris hors-profil) et économiques des chantiers attendus. L'analyse statistique des paramètres a permis d'identifier les paramètres critiques pour chaque cas d'étude qui impacte le sur-bris (énergie du tir à l'explosif, surdéveloppement des galeries, position dans la surface et présence de structures géologiques) et le sous-bris (position dans la surface, distance avec les trous chargés d'explosifs et l'angle d'interception des trous chargés d'explosifs avec les surfaces). Les paramètres critiques ont été utilisés pour chaque site afin de construire les modèles prédictifs. Les résultats montrent que la magnitude des bris hors-profils le long de la surface de conception peut être prédite à l'aide d'un modèle forêt aléatoire avec moins d'un mètre d'erreur pour 65% de la surface en moyenne. Les modèles de forêt aléatoire permettent de prédire la géométrie avec succès pour 71 % des faces de chantiers transversaux et 51 % des faces de chantiers longitudinaux. L'analyse de ces prédictions permet de déterminer les magnitudes maximales possibles de bris hors-profil et leur position (utilisant l'approche probabiliste) ainsi que d'estimer la performance économique du chantier. La résolution des données et l'utilisation de l'analyse multivariée ont permis de prédire la géométrie des chantiers, allant bien au-delà de la simple prédiction qualitative par face de chantiers fournie par une approche traditionnelle de l'abaque de stabilité. Ces travaux constituent une étape importante vers un processus de conception et de planification des chantiers qui minimise les problèmes de stabilité, la dilution et la perte de minerai à travers le chantier. Étant donné qu'une géométrie de conception maximisant la récupération de minerai augmente le potentiel de dilution et vice versa, cette approche permet de quantifier le compromis économique et ainsi maximiser la rentabilité lors de l'exploitation du chantier. Cela marque une contribution importante pour la compréhension et l'optimisation de la performance des chantiers de type chambre ouverte. / Open stopes were popularised in underground mines around the 1980s due to the high yields they generate andtheir relatively low cost. The success of this mining method depends on the ability to design a stope that maximises profits while respecting the geometry during mining. In reality, overbreak (OB, unplanned volume of rock mined) and underbreak (UB, volume of planned rock left in place) are generated during the mining process which can have negative consequences on the stability of the stope and the profitability of the operation. To minimise the OB and UB, and their impact, empirical tools such as the Stability Chart were developed and improved to predict the volumes of OB per stope faces. Unfortunately, these tools have certain limitations: they integrate a limited number of variables (which does not cover all the possible causes of OB), UB is not considered, and the resolution of the predictions is limited (qualitative or average value per face). These limitations prevent the full integration of economic data into predictions and thus the optimisation of the mines stopes. The objective of this thesis is to develop a methodology for operating mines which enables the understanding of the spatial distribution and magnitude of OB and UB generated along the surface of the stope and to use this knowledge during stope design to predict the expected geometry to optimise its performance. A stope database was created for three case studies (two in Australia and one in Canada) at an octree resolution (georeferenced data measured at an approximately one cubic metre resolution) which includes geometric, geomechanical, geological, operational and performance variables. Univariate, bivariate and multivariate statistical methods (principal component analysis and partial least squares) were used to identify the critical variables for each site. Multivariate and machine learning models were subsequently used to predict the mined geometry (partial least squares and random forest) and OB and UB location (linear discriminant analysis). The models were compared to determine the best approach. Economic data was integrated to characterise the geotechnical (OB and UB) and economic performances of the expected geometry. The statistical analysis of the variables enables the identification of critical variables for each case studyregarding the OB (observed in areas where there is high blasting energy, where there is a large undercut and overcut, towards the middle of the faces and in the presence of major geological structure) and UB (observed near the edges of surfaces, where there is a large distance from the blasting, and where drill holes toe into the faces). The critical variables were used for each site to build predictive models. The results show that the magnitude of OB and UB can be predicted using a random forest model with a less than one metre error for 65% of the surface on average. These predictions are used to build the expected geometry of the stope. Considering the mining context, it is possible to excellently predict the geometry for 71% of the transversal stope faces and 51% of the longitudinal stope faces. The incorporation of probabilities also enables the estimation of the maximum magnitudes of OB and UB, their location and the economical estimation of the performance of the stopes. The octree resolution of the data and the use of multivariate analysis has enabled the prediction of the stope geometry, going well beyond the simple qualitative per stope face prediction provided by a traditional Stability Chart approach. This work is a significant step to advance stope design and the planning process, providing tools to minimise stability issues, dilution and loss of ore. As designing for higher ore recovery increases the potential for dilution and vice versa, this approach allows for the value realised from mining a stope to be maximised by quantifying this inherent economic trade-off. The enhanced resolution of both data and predictions has allowed for a more comprehensive evaluation of the predicted stope geometry and economic outcomes during the design phase. This marks a major contribution in the ability to design and plan the optimal stope