Cette thèse concerne l'ingénierie des systèmes complexes à partir d'une dynamique souhaitée. En particulier, nous nous intéressons aux populations d'oscillateurs et aux réseaux de régulation génétique. Dans une première partie, nous nous fondons sur une hypothèse, introduite en neurosciences, qui souligne le rôle de la synchronisation neuronale dans le traitement de l'information cognitive. Nous proposons de l'utiliser sur un plan plus large pour étudier le traitement de l'information par des populations d'oscillateurs. Nous discutons des isochrons de quelques oscillateurs classés selon leurs symétries dans l'espace des états. Cela nous permet d'avoir un critère qualitatif pour choisir un oscillateur. Par la suite, nous définissons des procédures d'impression, de lecture et de réorganisation de l'information sur une population d'oscillateurs. En perspective, nous proposons un système à couches d'oscillateurs de Wilson-Cowan. Ce système juxtapose convenablement synchronisation et désynchronisation à travers l'utilisation de deux formes de couplage: un couplage continu et un couplage par pulsation. Nous finissons en proposant une application de ce système: la détection de contours dans une image. En deuxième partie, nous proposons d'utiliser une approche par contraintes pour identifier des réseaux de régulation génétique à partir de connaissances partielles sur leur dynamique et leur structure. Le formalisme que nous utilisons est connu sous le nom de réseaux d'automates booléens à seuil ou réseaux Hopfield-semblables. Nous appliquons cette méthode, afin de déterminer le réseau de régulation de la morphogenèse florale d'Arabidopsis thaliana. Nous montrons l'absence d'unicité des solutions dans l'ensemble des modèles valides (ici, 532 modèles). Nous montrons le potentiel de cette approche dans la détermination et la classification de modèles de réseaux de régulation génétique. L'ensemble de ces travaux mène à un certain nombre d'applications, en particulier dans le développement de nouvelles méthodes de stockage de l'information et dans le design de systèmes de calcul non conventionnel. / This thesis is concerned by the engineering of complex systems from a desired dynamics. Particularly, we are interested by populations of oscillators and genetical regulatory networks. In a first part, we start from a hypothesis introduced in neuroscience, which highlight the role of neural synchronization in the cognitive processing. We propose to use this hypothesis in a more general panorama to investigate the computing with populations of oscillators. We discuss about the isochrons of few oscillators selected according to their symmetry in the state space. Therefore, we define procedures for making footprints, for reading and for reorganizing information by a population of oscillators. As a perspective, we propose a system of lattices of Wilson-Cowan oscillators organized in several interconnected layers. This system properly mixes synchronization and desynchronization by using two types of coupling : pulsed and continuous coupling. At the end of this part, we propose to use this system in order to detect the edges of an image. In the second part, we propose a constraint-based approach to determine the structure of genetic regulatory networks starting from incomplete knowledge on their structure and their dynamics. The formalism we use is widely called thresholded Boolean automata networks or Hopfield-like networks. As an proof of concept, we apply this method to determine the regulatory network of Arabidopsis thaliana flower morphogenesis. We obtain 532 valid models instead of one unique solution and then classify them by using structural robustness criteria. By this way, we showed the potential of this approach in determining and classifying thresholded Boolean automata networks like genetic regulatory networks or neural networks. This works leads to many applications, in particular the developpement and the design of new methods for processing information and the design of systems of unconventional computing.