Les algorithmes mémétique proposent de remplacer l'opérateur de mutation d'un algorithme génétique par une recherche locale. Cependant, la recherche locale peut entraîner une sur-intensification de la recherche, surtout si la partie génétique utilise un modèle élitiste. Nous avons par le passé développé un algorithme mémétique pour un problème de job shop flexible bicritère (Cmax / Lmax). La partie génétique était assurée par un codage direct et par l'utilisation du modèle NSGA-II. La "mutation" était assurée par une recherche Tabou Espsilon-contrainte. Cependant, les performances de l'algorithme mémétique étaient moindre que celles où on lancer l'algorithme génétique (avec un opérateur de mutation "classique") avec sa population initialisée par la recherche Tabou. Nous proposons ici de garder notre algorithme génétique tel que, mais de temps en temps nous lançons la recherche Tabou pour trouver des des solutions de Pareto qui seront stockées dans une archive externe (et non injectées dans la population de l'algorithme génétique).