Cette thèse propose une méthodologie pour la conception de systèmes de diagnostic fiables permettant d'appréhender les systèmes dynamiques complexes et spatialement distribués. Les résultats proposés s'appuient d'une part sur des techniques d'analyse diagnostic formelle ou à base de consistance, qui permettent de garantir la justesse de l'analyse diagnostic, et d'autre part, sur le paradigme multi-agents. Les algorithmes proposés permettent de déduire tous les défauts possibles pour un comportement observé en les classant suivant différents critères de vraisemblance. Notre contribution a consisté à proposer une méthode de diagnostic qui tire partie des deux approches DX (communauté d'Intelligence Artificielle) et FDI (communauté Automatique) en distinguant la phase de détection, qui peut se faire à base de techniques variées et parfois très sophistiquées (observateur d'état, relation de parité, traitement de signal,...), de la phase de localisation ou d'analyse diagnostic, qui doit permettre de garantir ce qui peut l'être et d'analyser toutes les informations disponibles pour en déduire le diagnostic le plus juste et complet possible. De plus, nous avons montré qu'il était possible d'appréhender des incertitudes de décision en transposant la logique de l'analyse diagnostic en logique floue. Le travail présenté dans ce mémoire a été développé dans le cadre du projet européen MAGIC (Multi-Agents-Based Diagnostic Data Acquisition and Management in Complex systems). Les résultats sont en cours de transfert vers différentes industries grâce aux partenaires industriels du projet : les entreprises SATE (System Advanced Technologies Engineering) et SMS-DEMAG.