Le but de cette étude est de développer une méthode d'optimisation capable, en temps réel, de donner un résultat fiable de Contrôle Non Destructif par Courants de Foucault (CND-CF). On utilise des bases de données séquentielles à partir desquelles il est possible de générer des données par interpolation tout en maîtrisant l'erreur maximale d'interpolation. Ces bases de données sont ensuite utilisées avec des méthodes d'optimisation afin de résoudre le problème de CND. D'une part, elles servent à générer rapidement des signaux utilisés par des méthodes d'optimisation particulaires, ici le PSO (Particle Swarm Optimizer). Cela permet d'accélérer considérablement la méthode PSO avec en contrepartie une perte en précision due à l'interpolation. D'autre part, elles sont utilisées comme bases d'apprentissage pour une méthode d'inversion par SVM (Support Vectors Machines). On obtient ainsi deux méthodes rapides, l'une particulaire et l'autre par apprentissage, permettant de mesurer les dimensions des défauts que l'on désire retrouver. Des premiers résultats sont exposés et les deux méthodes d'inversion sont comparées.