Durant les dernières décennies, des réseaux de logistiques inverses ont été lancésdans plusieurs pays industrialisés dans l’objectif de préserver l’environnement. La mise enplace et la gestion de cette logistique concernent les différents niveaux, stratégique, tactique etopérationnel existants dans le cadre de la logistique directe pour tout système de productionde biens industriels. Pour améliorer ce type de réseau, la modélisation et la simulation sontdes outils efficaces. Après avoir présenté un état de l’art de ce domaine, notre étude sefocalise sur la planification de certains sous-ensembles (appelés maillons) de cette chaineinverse (i.e. collecte-tri, désassemblage) au niveau tactique, c'est-à-dire à moyen terme. Lebut de ce travail est donc de proposer un modèle générique en programmation linéaire dans uncontexte multi-produit et multi-période, qui cherche à maximiser le profit total du maillonétudié et qui prend en compte l’incertitude sur la qualité des produits traités. Le modèlelinéaire en nombres entiers (déterministe, stochastique et évaluation stochastique) est ainsiformulé autour d’un profit contraint par les capacités du maillon, l’évolution des stocksentrants et sortants et la livraison des produits traités aux clients, avec une politique delivraison sans déclassement ou avec déclassement des produits. / During the last decades, reverse logistics networks have been launched in severalindustrialized countries with the aim of preserving the environment. The implementation andmanagement of the reverse logistics concerns the different levels (strategic, tactical andoperational) existing in the framework of forward logistics for any production system. Toimprove this type of network, modeling and simulation are effective tools. After presenting astate of the art in this domain, our study focuses on the planning of two sub-systems of thereverse logistics chain (i.e. collection-sorting and disassembly) on the tactical level that is tosay the medium term. The aim of this work is to propose a generic model by linearprogramming in a multi-product and multi-period context, which searches for maximizingthe total profit of the sub-system studied, taking into account the uncertainty of the productssupplied. The integer linear model (deterministic, stochastic and stochastic assessment) is thusformulated around a profit constrained by the sub-system capacity, the evolution of incomingand outgoing inventory and the delivery of products to customers: a delivery policyauthorizing the quality degrading of products or not.