Les Knowledge-Based Programs (KBPs) associent représentation des connaissances et pla-nification. Il s'agit de protocoles décrivant les actions à effectuer par un agent, en fonction de son état de connaissance, afin d'atteindre un but donné. Ces plans possèdent une grande expressivité, grâce à l'uti-lisation de la logique modale S5, et une plus grande compacité que les plans classiques. La question de la génération de tels plans n'a été que peu étudiée. Notre objectif est de combler ce manque. Nous pro-posons des algorithmes permettant de générer des KBPs à partir de la spécification d'un état initial, d'un but et d'un ensemble d'actions disponibles. Deux types d'algorithmes sont présentés, par progression, c'est-à-dire en partant de l'état initial pour aller vers le but, et par régression, en partant cette fois-ci du but. Dans les deux cas, un algorithme de recherche en largeur est décrit, ayant la propriété de fournir un plan optimal en nombre d'actions à effectuer dans le pire cas. De même, nous exposons dans les deux cas des algorithmes de recherche en profondeur, dans lesquels une action est choisie pour chaque état de connaissance, par le biais de différentes fonctions heuristiques dont nous montrons certaines propriétés. Nous proposons également des benchmarks adaptés, pour lesquels la planification classique est moins précise, et testons nos algorithmes sur ces problèmes.