Contexte: La généralisation des offres de Cloud a remis en lumière le problème crucial de la consommation électrique des centres de données qui sont généralement sur-dimensionnés pour assurer la qualité de service des applications hébergées. Cela implique une sous utilisation des serveurs qui entraîne des pertes électriques très importantes car la consommation électrique d’un serveur allumé mais qui ne traite pas de tâches peut aller jusqu’à environ la moitié de sa consommation maximale. Pour améliorer le taux d’utilisation des serveurs, les centres de données ont déployé des systèmes permettant l’adaptation dynamique des ressources en fonction de la charge. Ces mécanismes appelés “autoscaling” [2] sont basés sur l’activation et la désactivation des ma-chines [3]. L’objectif consiste à gérer les activations et désactivations des serveurs de façon à garantir à la fois Qualité de Service (QoS) et consommation énergétique. Parmi l’ensemble des politiques dynamiques possibles les politiques à hysteresis [7, 8] font partie des plus répandues(c’est notamment une des politiques de la plateforme de gestion des ressources [2]). Ce sont des politiques dans lesquelles des seuils différents et dépendant de la charge du système indiquent la nécessité d’activer ou de désactiver des machines virtuelles. L’optimalité de telles politiques est discutée dans [6] mais l’objectif ici est de travailler sur le calcul effectif des seuils. Notre but est de calculer efficacement les seuils optimaux d’activation et désactivation en fonction des coûts, en considérant à la fois des aspects d’évaluation de performances ainsi que des aspects énergétiques.