Dans cette thèse, nous étudions l’optimisation des techniques de détection du spectre dans le contexte des réseaux cognitifs de capteurs sans fil. L’objectif de ces techniques est de déterminer l’occupation ou la disponibilité du canal. Tout d’abord, une vue d’ensemble des techniques de détection du spectre développées dans la littérature est fournie. Ensuite, les défis posés par le cadre applicatif des réseaux de capteurs sans fil sont décrits ; il s’agit de considérer dans le processus de décision les ressources et les capacités limitées des noeuds du réseau. Ainsi, plusieurs méthodes de détection du spectre sont proposées dans cette thèse. Certaines s’appliquent uniquement localement au niveau d’un noeud, tandis que d’autres mettent en oeuvre une stratégie coopérative entre les noeuds pour une meilleure détection du spectre. En premier lieu, afin de diminuer la durée d’observation du canal et de réduire la consommation d’énergie, le problème adressé est celui de la détection du spectre à partir d’un très petit nombre d’échantillons. Deux techniques reposant sur la statistique des échantillons sont donc proposées afin d’améliorer la décision concernant la disponibilité ou non du canal : une détection locale du spectre basée sur un test Goodness-of-Fit et, une détection coopérative du spectre basée sur la théorie des croyances de Dempster-Shafer. Puis, le problème de l’optimisation de l’efficacité énergétique à l’échelle du réseau est abordé. Une nouvelle technique basée sur un algorithme de classification est alors proposé. Cette dernière permet d’améliorer la fiabilité de la détection, notamment par sa capacité à rejeter du processus de décision les noeuds qualifiés de défectueux ou moins fiables.