La résilience concerne une capacité importante d'un système à résister et à se remettre des événements perturbateurs. L'objectif de cette thèse est de construire un cadre d'analyse et d'optimisation de la résilience des infrastructures critiques interconnectées (ICIs). Dans ce travail, les contributions scientifiques originales comprennent: 1) une approche de modélisation générique pour décrire le comportement dynamique et les processus d'échec en cascade dans les ICIs. 2) basé sur le modèle proposé, une approche quantitative d'évaluation de la résilience de ICIs est développée, où les aspects d'atténuation et de récupération sont évalués; 3) afin de réduire le coût de calcul dans le cas de systèmes à grande échelle, trois méthodes Différentes échelle, trois méthodes différentes d'analyse de sensibilité globale (ANN estimation, ensemble-based, given-data estimation), sont mis en place pour identifier les paramètres de modèle les plus pertinents affectant la résilience du système, puis les performances de ces méthodes sont comparées;4) un modèle hiérarchique est développé pour caractériser les facteurs de stratégies d'amélioration de la résilience. Un problème d’optimisations multi-objectif est formulé et résolu par l'algorithme NSGA-II, afin de fournir un plan optimal pour l'amélioration de la résilience du système. Les méthodes proposées sont mises en œuvre dans les applications, par exemple, un réseau d'alimentation en gaz et un réseau électrique. / Resilience is the ability of a system to resist to and recover from disruptive events. The objective of this thesis is to build a framework of analysis and optimization of interconnected critical infrastructures (ICIs) resilience. In this work, the original scientific contributions include: 1) a generic modeling approach to describe the dynamic behavior and the physical cascading failure processes in ICIs.2) on the basis of the model, a quantitative resilience assessment approach for ICIs is proposed, where both the mitigation and recovery aspects of system resilience are evaluated; 3) in order to reduce the computational cost in the case of large-scale systems, three different global sensitivity analysis methods (ANN estimation, ensemblebased, give-data estimation) are implemented to identify the most relevant model parameters affecting the system resilience, and then the performance of these methods are compared; 4) a hierarchical model is developed to characterize the factors of resilience improvement strategies. A multi-objectives optimization problem is formulated and solved by NSGA-II algorithm, to provide the optimal plan for system resilience improvement. The methods proposed are implemented to applications, e.g., a gas supply network and an electrical power grid.