La question de l’évolution du parc nucléaire français peut être considérée via l’étude de scénarios électronucléaires. Ces études présentent un rôle important, compte-tenu des enjeux, de l’ampleur des investissements, des durées et de la complexité des systèmes concernés, et fournissent des éléments d’aide au processus décisionnel. Elles sont menées à l’aide du code COSI (développé au CEA/DEN), qui permet de calculer les inventaires et les flux de matières transitant dans le cycle (réacteurs nucléaires et installations associées), via notamment le couplage avec le code d’évolution CESAR. Les études actuelles menées avec COSI nécessitent de définir les paramètres d’entrée des scénarios simulés, de sorte à satisfaire différents critères comme minimiser la consommation d’uranium naturel, la production de déchets, etc. Ces paramètres portent notamment sur les quantités et l’ordonnancement des combustibles usés au retraitement ou encore le nombre, la filière et les dates de mises en service des réacteurs à déployer. Le présent travail vise à développer, valider et appliquer une méthodologie d’optimisation couplée à COSI pour la recherche de scénarios électronucléaires optimaux pour un problème multicritère. Cette méthodologie repose en premier lieu sur la réduction de la durée d’évaluation d’un scénario afin de permettre l’utilisation de méthodes d’optimisation en un temps raisonnable. Dans ce cadre, des métamodèles d’irradiation par réseaux de neurones sont établis à l’aide de la plateforme URANIE (développée au CEA/DEN) et sont implémentés dans COSI. L’objet du travail est ensuite d’utiliser, adapter et comparer différentes méthodes d’optimisation, telles que l’algorithme génétique et l’essaim particulaire disponibles dans la plateforme URANIE, afin de définir une méthodologie adéquate pour ce sujet d’étude spécifique. La mise en place de cette méthodologie suit une approche incrémentale qui fait intervenir des ajouts successifs de critères, contraintes et variables de décision dans la définition du problème d’optimisation. Les variables ajoutées au problème, qui décrivent la cinétique de déploiement des réacteurs et la stratégie de retraitement des combustibles usés, sont choisies en fonction de leur sensibilité sur les critères définis. Cette approche permet de faciliter l’interprétation des scénarios optimaux, la détection d’éventuelles difficultés liées au processus d’optimisation, et finalement d’émettre des recommandations d’utilisation de la méthodologie mise en place en fonction de la nature du problème. Les études d'optimisation s’appuient sur un scénario de déploiement de réacteurs à neutrons rapides avec recyclage du plutonium, inspiré des études menées dans le cadre de la loi de 2006 sur la gestion des matières et déchets radioactifs. Une illustration des possibilités de la méthodologie est réalisée sur ce scénario, et permet notamment de démontrer le caractère optimal du scénario issu des études menées selon cette loi vis-à-vis de la limitation de l’entreposage de matières fissiles. Ce résultat souligne l’importance de la mise en œuvre d’une gestion dynamique du plutonium via le recours au combustible MOX pour le déploiement progressif des RNR. / The issue of the evolution French nuclear fleet can be considered through the study of nuclear transition scenarios. These studies are of paramount importance as their results can greatly affect the decision making process, given that they take into account industrial concerns, investments, time, and nuclear system complexity. Such studies can be performed with the COSI code (developed at the CEA/DEN), which enables the calculation of matter inventories and fluxes across the fuel cycle (nuclear reactors and associated facilities), especially when coupled with the CESAR depletion code. The studies today performed with COSI require the definition of the various scenarios’ input parameters, in order to fulfil different objectives such as minimising natural uranium consumption, waste production and so on. These parameters concern the quantities and the scheduling of spent fuel destined for reprocessing, and the number, the type and the commissioning dates of deployed reactors.This work aims to develop, validate and apply an optimisation methodology coupled with COSI, in order to determine optimal nuclear transition scenarios for a multi-objective platform. Firstly, this methodology is based on the acceleration of scenario evaluation, enabling the use of optimisation methods in a reasonable time-frame. With this goal in mind, artificial neural network irradiation surrogate models are created with the URANIE platform (developed at the CEA/DEN) and are implemented within COSI. The next step in this work is to use, adapt and compare different optimisation methods, such as URANIE’s genetic algorithm and particle swarm methods, in order to define a methodology suited to this type of study. This methodology development is based on an incremental approach which progressively adds objectives, constraints and decision variables to the optimisation problem definition. The variables added, which are related to reactor deployment and spent fuel reprocessing strategies, are chosen according to their sensitivity to the defined objectives. This approach makes optimal scenarios interpretation easier, makes it possible to identify potential difficulties with the optimisation process, and then to provide recommendations on the use of the deployed methodology according to the problem type. The optimisation studies consider a fast reactor deployment scenario with plutonium recycling, which is inspired by studies carried out in the scope of the 2006 Act for Waste Management. An illustration of the possibilities of this methodology is provided with this scenario, demonstrating the optimality of the scenario inspired by the studies that were carried out for the 2006 Act, regarding stored fissile materials limitation. This result highlights the importance of dynamic plutonium management through MOX fuel usage during fast reactor deployment.