La modélisation mathématique du comportement d'un phénomène réel est un point essentiel pour mieux comprendre et si possible pour maîtriser ce phénomène. Cependant, Les informations disponibles sur les paramètres de conception des systèmes multiphysiques, leur géométrie, leur physique et les actions appliquées, sont souvent insuffisantes. Dans un contexte fiabiliste, la prise en compte des incertitudes sur ces paramètres est devenue incontournable dans une démarche de conception robuste. On rencontre, généralement des problèmes de modélisation des incertitudes pour connaître parfaitement le problème étudié, liés à l'insuffisance du modèle pour décrire les phénomènes physiques mis en jeu. La simulation de Monte Carlo reste l'outil le plus fiable pour la détermination de la probabilité de défaillance ses résultats sont la seule référence, mais elle est très coûteuse surtout pour les systèmes complexes comportant des modèles éléments finis de grandes tailles, des phénomènes multiphysiques couplés, de nombreux paramètres de conception ... Dans ce travail, nous proposons un couplage de la méthode de fiabilité en dynamique avec des métamodèles (modèles condensés) pour bien mener des études de fiabilité et d'optimisation fiabiliste sur de tels systèmes. En fonction de l'information disponible sur les paramètres de conception incertains, un modèle hybride combinant les approches possibiliste et probabiliste est envisagée dans ce travail pour la propagation des incertitudes dans le modèle. La méthode proposée a été mise en oeuvre et appliquée à des structures académiques pour les différents métamodèles. Les résultats obtenus ont été comparés aux résultats de référence utilisant la simulation directe de Monte Carlo. Ils ont permis de mettre en évidence la robustesse et l'efficacité de la méthodologie proposée pour le calcul de la fiabilité en dynamique des structures complexes.