La dernière décennie a montré un intérêt croissant pour les bâtiments intelligents. En effet, comme les bâtiments traditionnels sont les principaux consommateurs d’une partie importante des ressources énergétiques, le besoin de bâtiments intelligents a alors émergé. Ces nouveaux bâtiments doivent être conçus selon des normes de construction durables pour consommer moins et minimiser les impacts sur le milieu naturel. Les technologies de construction de bâtiments intelligents contribuent à une amélioration de la sécurité, du confort, de l’accessibilité voire de la consommation d’énergie des bâtiments eux-mêmes. Ces bâtiments intelligents sont devenus l’un des principaux domaines d’application des environnements pervasifs. En effet, une infrastructure basique de construction de bâtiment intelligent se compose notamment d’un ensemble de capteurs sans fil. Les capteurs basiques permettent l’acquisition, la transmission et la réception de données. A ces réseaux de capteurs s’ajoutent généralement des périphériques et un système de surveillance. La consommation d’énergie élevée de l’ensemble de ces appareils est un des problèmes les plus difficiles et fait donc l’objet d’études dans ce domaine de la recherche. Les capteurs sont autonomes en termes d’énergie ce qui implique que leur consommation d’énergie détermine leur durée de vie et donc la continuité de service. Etant donné que la consommation d’énergie a un fort impact sur la durée de vie du service, il existe plusieurs approches dans la littérature. Cependant, les approches existantes sont souvent adaptées à une seule application de surveillance et reposent sur des configurations statiques pour les capteurs. Dans cette thèse, nous contribuons à la définition d’une architecture de monitoring déclaratif durable par l’optimisation énergétique des interactions entre requêtes applicative orientées service et réseau de capteurs sans fil. Nous avons choisi le bâtiment intelligent comme cas d’application et nous étudions donc un système de surveillance d’un bâtiment intelligent pouvant prendre en charge des multi-applications dans un environnement pervasif. Nous nous concentrons sur une architecture durable pour les systèmes de surveillance multi-applications qui s’adaptent en permanence aux exigences des applications, au contexte et à la configuration de l’utilisateur. Du point de vue logiciel, un système de surveillance peut être défini comme un ensemble d’applications qui exploitent les mesures des capteurs en temps réel. Ces applications sont exprimées dans un langage déclaratif sous la forme de requêtes continues (orientées service) sur les flux de données des capteurs. Par conséquent, un système de multi-applications nécessite la gestion de plusieurs demandes de flux de données suivant différentes fréquences d’acquisition/transmission de données pour le même capteur sans fil, avec des exigences dynamiques requises par les applications (par exemple, fréquences de transmission élevées pour les salles occupées, fréquence inférieure pendant la nuit). Etant donné qu’une configuration statique ne peut pas optimiser la consommation d’énergie du système de surveillance en ce qui concerne les exigences réelles de l’application, nous travaillons sur l’interaction entre les exigences de l’application et les capteurs sans fil. Ainsi, nous proposons une approche intitulée Smart-Service Stream-oriented Sensor Management (3SoSM) afin d’optimiser les interactions entre les exigences des applications et l’environnement des capteurs sans fil, en temps réel. Notre approche 3SoSM offre une configuration dynamique des capteurs pour réduire la consommation d’énergie tout en satisfaisant les exigences des applications en temps réel. Le coeur de cette configuration de capteurs repose sur un Schedule Time Pattern (pattern temporel de planification). Ce pattern temporel est construit par les actions d’acquisition, de transmission et de réception du capteur et crée un agenda périodique pour chaque capteur. Cette approche permet d’éviter les mesures inutiles de données et de favoriser une transmission de données plus courte/compressée lorsque cela est possible. De plus, nous présentons un processus d’optimisation pour raffiner le Schedule Time Pattern. L’objectif du processus d’optimisation est de rechercher les créneaux de communication optimaux dans lesquels les capteurs consomment moins d’énergie que dans les autres cas. En raison du comportement basé sur les contraintes et de la topologie du réseau structurée en arbre, le processus d’optimisation proposé est un processus “bottom-up”, des capteurs feuilles jusqu’à la racine. La fonction d’optimisation de ce processus consiste à minimiser le nombre de créneaux de communication (créneau RX) afin de minimiser l’énergie consommée. L’algorithme d’optimisation proposé est une sorte d’algorithme glouton utilisé pour déterminer les créneaux optimaux pour les capteurs. Nous avons conduit un ensemble d’expérimentations effectuées avec un simulateur de réseau de capteurs sans fil qui ont permis de valider notre approche quant à l’optimisation de la consommation d’énergie des capteurs, et donc l’augmentation de la durée de vie de ces capteurs, en réduisant notamment les communications non nécessaires.