Les activités industrielles peuvent induire des risques de nature diverse, voire conduire à des événements catastrophiques. De façon à réduire ces risques à des niveaux acceptables, à en limiter les coûts aussi bien humains, matériels que financiers et à respecter la réglementation, il est crucial d’en prévenir la survenue (prévention) et à identifier des situations anormales en fonction d’informations récupérées sur le terrain. Ceci nécessite de résoudre deux points essentiels : détecter l’anomalie et faire un diagnostic, d’où l’importance des modèles de bon comportement qui modélisent des systèmes physique réels et les méthodes associées permettant d’effectuer la surveillance en continu. L’approche la plus utilisée dans la communauté FDI est l’approche structurelle qui consiste à construire des relations de redondance analytique (RRA). Le principe de l’approche structurelle est de prendre en compte seulement l’existence des relations entre les variables induites par les équations du modèle. En basant sur cette approche, ma thèse consiste à trouver une réponse qui satisfait un triple objectif :1. Extraire les relations valides à partir du modèle de bon comportement d'un système afin de prendre en compte l'évolution du système en éliminant les relations et des mesures invalides ayant pour but d'effectuer le diagnostic en ligne2. Construire, en utilisant une analyse symbolique couplée avec la théorie des graphes, les relations de redondance analytique symboliques (RRAS) pour la détection des défauts dans le système.3. Evaluer ces RRAS en utilisant le calcul par intervalle, an de prendre en compte les incertitudes présents dans les mesures, lors des tests de cohérence. / Large-scale complex process plants are safety-critical systems where the real-time diagnosis is very important. In a model based systems engineering approach, the structured development process from the concept to the production to the operation phase is organized around a coherent model of the system. This model contains, in particular, relations about the behavior of the system that could have been used for simulation in the design phase. The objective of this work is to use this information to design automatically on-line diagnosis algorithms using the hybrid dynamical information part and sensor measurements of the system model. In this thesis, the proposed approach allows:To extract the valid relations of system behavior to take into account system evolution by eliminating invalid constraints and measurements for establishing an on-line diagnosisTo build, using symbolic analysis and graph path search, analytical redundancy relations for the various system configurationsTo evaluate these ARRs in using set valued computations (interval arithmetic) to take into account model and measurements uncertainties