Cette thèse est dédiée à l’optimisation globale multi-objectif de fonctions coûteuses, avec des applications de mise au point de systèmes de surveillance et d’aide à la conduite automobile. Après avoir présenté un état de l’art du domaine, un nouvel algorithme basé sur une stratégie de double krigeage est proposé afin de réduire le nombre d’évaluations de la fonction objectif. La première application de l’algorithme concerne l’optimisation des paramètres de mise en oeuvre d’un système de surveillance de la pression des pneumatiques sans capteur de pression. En plus du nombre important de paramètres à optimiser, cette mise au point est soumise à des contraintes de test sur une très grande base de données de roulage, dans différents scénarios et à un temps de calcul limité. La seconde application concerne un système de conduite automatique dans une situation d’embouteillage. Le travail est focalisé sur l’utilisation d’observateurs pour le contrôle latéral. La solution actuellement utilisée par Renault/Nissan est fondée sur un filtre de Kalman. Afin de réduire le nombre de paramètres de réglage, des solutions basées sur des approches non linéaires (grand gain et mode glissant) ont été proposées. Les gains de ces observateurs ont été réglés en utilisant le nouvel algorithme d’optimisation et en tenant compte d’essais sur route dont les mesures ont généré une grande base de données.