Cette thèse se place dans le cadre des expériences simulées auxquelles on a recours lorsque des expériences physiques ne sont pas réalisables. Une expérience simulée consiste à évaluer une fonction déterministe type boîte-noire coûteuse qui décrit un modèle physique. Les entrées de ce modèle, entachées d'incertitude, forment un vecteur aléatoire. Cela implique que les sorties que nous souhaitons étudier sont aléatoires. Une technique standard pour rendre possibles de nombreux traitements statistiques, est de remplacer la fonction type boîte-noire par un métamodèle d'évaluation quasi-instantanée l'approchant. Nous nous concentrons plus particulièrement sur les métamodèles d'interpolateurs à noyaux dont nous étudions la construction et l'utilisation. Dans ce cadre, une première contribution est la proposition d'une définition plus générale de noyau conditionnellement positif qui permet une vraie généralisation du concept de noyau défini positif et des théorèmes associés. Nous donnons ensuite, dans une deuxième contribution, un algorithme de construction de plans d'expérience dans des domaines éventuellement non hypercubiques suivant un critère maximin pertinent pour ces métamodèles. Dans une troisième contribution, nous traitons un problème statistique inverse en utilisant un métamodèle d'interpolateurs à noyaux dans un algorithme stochastique EM puisque le modèle liant les entrées aux sorties est de type boîte-noire coûteux. Enfin, nous proposons aussi, dans la dernière contribution, l'utilisation d'un tel métamodèle pour développer deux stratégies d'estimation et de majoration de probabilités d'événements rares dépen\-dant d'une fonction type boîte-noire coûteuse.

Dans ce travail nous proposons des stratégies d'optimisation par plans d'expériences numériques pour palier les difficultés rencontrées dans le processus d'optimisation de procédés de mise en forme. Parmi ces difficultés on peut rappeler : le retour élastique durant le pliage, l'usure de la matrice pendant l'extrusion ou la fatigue des outils, la recherche d'une solution globale ou l'échange des données entre l'outil de simulation et l'outil d'optimisation. Compte tenu de la forte non linéarité des phénomènes étudiés, nous avons développé une approche basée sur l'utilisation conjointe de la méthode des plans d'expériences, de la méthodologie de surface de réponse et la méthode des éléments finis, pour optimiser les performances du produit ou du procédé de fabrication. Le caractère numérique des expériences justifie la création et la mise au point d'un outil d'optimisation, afin d'automatiser et de faciliter l'application de la méthodologie de plans d'expériences et celle des stratégies d'optimisation par plans d'expériences à partir de simulations numériques. Il s'agit d'un outil informatique qui permet de déterminer de manière automatique et rapide, l'optimum d'un certain processus, permettant d'obtenir des produits respectant un certain nombre des critères de qualité. Afin de trouver les caractéristiques des processus de fabrication en accord avec la meilleure qualité possible des produits une des stratégies d'optimisation proposée dans ce rapport est basée sur une approche hybride qui utilise la puissance des trois méthodes : surface de réponse, calcul par intervalle et tolérencement mécanique. La validation de cette nouvelle méthode apportera une solution robuste à l'optimisation du procédé d'emboutissage.

La simulation numérique modélise des phénomènes toujours plus complexes. De tels problèmes, souvent de grande dimension, exigent des codes sophistiqués et coûteux en temps de calcul. Le recours systématique au simulateur devient alors illusoire. L'approche privilégiée consiste à définir un nombre réduit de simulations organisées selon un plan d'expériences numériques à partir duquel une surface de réponse est ajustée pour approcher le simulateur. Nous considérons ici les plans générés par des simulateurs déterministes en phase exploratoire i.e. lorsqu'il n'y a aucune connaissance a priori. Les plans requièrent donc certaines propriétés comme le remplissage de l'espace et la bonne répartition des points en projection. Deux indicateurs quantifiant la qualité intrinsèque des plans ont été développés. Le point essentiel de ce travail concerne un procédé de planification basée sur la simulation d'échantillons selon une loi de probabilité par une méthode de Monte Carlo par chaînes de Markov.

Le besoin de compétitivité des entreprises, dans un contexte économique mondialisé, repose sur l'amélioration de la qualité des produits et la réduction des coûts et du temps de mise sur le marché. Pour atteindre ces objectifs, la simulation numérique est couramment utilisée pour la conception de produits complexes et mobilise des expertises diverses. Les Plans d'Expériences Numériques (PEN) sont de plus en plus utilisés pour simuler les variabilités des propriétés et de l’environnement du produit. Un processus de PEN apporte des méthodes de planification et d'analyse d'un ensemble de simulations, pour mieux maîtriser les performances du produit. La problématique traitée repose sur deux points. D'une part, la définition d'un processus de PEN repose sur de nombreux choix et l'utilisation de méthodes complexes, nécessitant une expertise avancée. Cette définition est d'autant plus complexe que le modèle de simulation est complexe et coûteux à exécuter. D'autre part, l'utilisation de PEN conduit à une production de grands volumes de données en multipliant les simulations. Ces travaux portent sur l'obtention rapide de la configuration optimale du processus de PEN pour raccourcir la préparation et l’exécution d’un PEN. Ces travaux se sont orientés vers la réutilisation des connaissances en entreprise pour un système à base de connaissances, composé d'une ontologie spécifique, pour capitaliser et partager les connaissances, et d'un moteur d'inférences, basé sur les réseaux bayésiens, pour proposer aux concepteurs des configurations efficaces et innovantes. Cette proposition est illustrée par une application sur un produit industriel issue du secteur automobile. / In order to improve industrial competitiveness, product design relies more and more on numerical tools, such as numerical simulation, to develop better and cheaper products faster. Numerical Design of Experiments (NDOE) are more and more used to include variabilities during simulation processes, to design more robust, reliable and optimized product earlier in the product development process. Nevertheless, a NDOE process may be too expensive to be applied to a complex product, because of the high computational cost of the model and the high number of required experiments. Several methods exist to decrease this computational cost, but they required expert knowledge to be efficiently applied. In addition to that, NDoE process produces a large amount of data which must be managed. The aim of this research is to propose a solution to define, as fast as possible, an efficient NDoE process, which produce as much useful information as possible with a minimal number of simulations, for complex products. The objective is to shorten both process definition and execution steps. A knowledge-based system is proposed, based on a specific ontology and a bayesian network, to capitalise, share and reuse knowledge and data to predict the best NDoE process definition regarding to a new product. This system is validated on a product from automotive industry.

Les travaux que nous avons menés concernent la modélisation de l’interaction laser-matière couplée à de la thermographie infrarouge, pour la détection de défauts débouchants et sous-jacents dans des matériaux métalliques. A terme, ce procédé de thermographie se veut être une alternative possible à la magnétoscopie et au ressuage dans le domaine des contrôles non destructifs. Ces travaux se sont déroulés en trois phases. Dans un premier temps, nous nous sommes intéressés à la caractérisation des propriétés optiques et thermophysiques des matériaux, pour alimenter le modèle de simulation numérique mais également pour les besoins des mesures de validation du modèle numérique. La deuxième partie de l’étude a permis la mise en place d’un modèle de simulation numérique représentatif de la réalité avec une approche en deux étapes : une première consistant à calculer des champs de températures éléments finis et une seconde à modéliser la caméra de thermographie infrarouge représentatif de celle utilisée dans le projet. Des solutions innovantes ont été utilisées pour obtenir un modèle qui intègre tous les paramètres, avec des temps de calculs faibles. Ce modèle a été ensuite validé par des mesures comparatives des champs de températures numériques et expérimentaux. Enfin, nous nous sommes appuyés sur ce modèle pour rechercher les paramètres optimaux de ce procédé, grâce à la méthode des plans d’expériences numériques. / The aim of this work is the detection of open and subjacent defects in metallic materials using laser-material interaction coupled with infrared thermography. This process is a possible alternative for magnetic particles testing and dye penetrant testing in the field of non-destructive testing. This work is divided into three main parties. At first, we have been interested in the characterization of optical and thermophysical properties of materials we used, in order to have good boundary conditions and also for the needs of temperatures fields measurements for validation. The second part concern the development of a numerical simulation model with two step approach: the first involves modelling temperature field with finite element method and the second details the infrared camera modelling. Innovative solutions were used to obtain model which integrates all parameters, with low time calculation. After validated temperature field, this model allows us to look for the process optimal parameters through numerical experimental designs.