L'environnement manufacturier moderne est face à un bouleversement de paradigmes nécessitant plus de changeabilité au niveau physique et logique. Un système manufacturier Changeable est défini comme un système de production ayant les capacités de faciliter les changements adéquats, permettant d'ajuster ses structures et ses processus en réponse aux différents besoins. Dans ce contexte, les systèmes manufacturiers doivent se doter d’un très haut niveau de reconfigurabilité, qui est considérée comme l’un des facteurs majeurs du concept de changeabilité. En effet, dans la vision de l'Usine du Futur, la reconfigurabilité est essentielle pour s'adapter efficacement à la complexité croissante des environnements manufacturiers. Elle assure une adaptation rapide, efficace et facile de ces systèmes tout en étant réactif, robuste et économiquement compétitif. L’objectif est de répondre aux nouvelles contraintes internes et externes telles que la globalisation, la variété des produits, la personnalisation de masse ou le raccourcissement des délais. À travers cette thèse, nous étudions la problématique de conception des systèmes manufacturiers reconfigurables (Reconfigurable Manufacturing System – RMS). L’objectif consiste à concevoir des systèmes réactifs en se basant sur leurs capacités en matière de reconfigurabilité. Nous avons étudié ce problème sur trois niveaux : (i) le niveau des composantes, relatif aux modules des machines reconfigurables, (ii) le niveau des machines et leurs interactions, ainsi que l’impact de ces interactions sur le système et (iii) le niveau de l'atelier, composé de l'ensemble des machines reconfigurables. Nous avons développé pour chaque niveau, des indicateurs de performance afin d’assurer les meilleures performances du système conçu, tels que l’indicateur de modularité, l’indicateur de flexibilité, l’indicateur de robustesse et l’effort d'évolution d'un système reconfigurable. Pour l'ensemble des problèmes étudiés, nous avons développé des modèles d’optimisation multicritère, résolus à travers des heuristiques ou des métaheuristiques multicritères (comme le recuit simulé multicritère (AMOSA) et les algorithmes génétiques multicritère (NSGA-II)). De nombreuses expériences numériques et analyses ont été réalisées afin de démontrer l’applicabilité de nos approches / The modern manufacturing environment is facing a paradigm shift that require more changeability at physical and logical levels. A Changeable Manufacturing System is defined as a production system that has the ability to facilitate the right changes, allowing the adjustment of its structures and processes in response to the different needs. In this context, manufacturing systems must have a very high level of reconfigurability, which is considered to be one of the major enablers of changeability. From the perspective of the “Factory of the future”, the reconfigurability is essential to effectively adapt to the ever-increasing complexity of manufacturing environments. It allows a rapid, efficient and easy adaptation of these systems while being responsive, robust and economically competitive. The objective is to respond to new internal and external constraints in terms of globalization, variety of products, mass customization, and shorter lead times. Through this thesis, we study the problem of design of reconfigurable manufacturing systems (RMS) that meets these requirements. The goal is to design responsive systems based on their key features of reconfigurability. We have studied the RMS design problem on three levels: (i) the level of the components, relating to the modules of the reconfigurable machines, (ii) the machine level and their interactions, as well as the impact of these interactions on the system and (iii) the workshop level composed of all the reconfigurable machines. We have developed for each level, performance indicators to ensure a better responsiveness and a high performance of the designed system, like the modularity index, the flexibility index, the robustness index and the layout evolution effort of a reconfigurable system. For each of the studied problems, we developed multicriteria optimization models, solved through heuristics or multicriteria metaheuristics (such as archived multi-objective simulated annealing (AMOSA) and multi-objective genetic algorithms (NSGA-II)). Numerous numerical experiments and analyzes have been performed to demonstrate the applicability of our approaches