Dans cette thèse, nous considérons un ensemble de problèmes d'ordonnancement multi-projet à contraintes de ressources multi-compétences limitées. Les problèmes étudiés sont issus d'un cas industriel rencontré par une entreprise de développement de services informatiques. Dans chacun de ces problèmes, de multiples projets doivent être exécutés simultanément et achevés dans un horizon de planification fixe. Chaque projet est décomposé en un ensemble de tâches préemptives avec des dates de début au plus tôt et de fin souhaitées associées aux tâches. Chaque tâche doit être exécutée par une seule ressources possédant plusieurs compétences et un niveau d'efficacité par compétence. En outre, la durée de la tâche peut être réduite en fonction du niveau d'efficacité de la ressource affectée à cette tâche. Les ressources sont un ensemble d'employés multi-compétences de disponibilité limitée. Pour chaque employé, nous avons une disponibilité hebdomadaire connue au début de l'ordonnancement et qui n'est pas sujette au changement. De plus, un employé peut intervenir dans plusieurs projets avec un taux de participation maximum (quotité) par projet. Deux variantes de ce modèle sont abordées : une variante à un seul agent avec un seul critère à optimiser; une variante avec plusieurs agents où chacun cherche à optimiser son critère. Dans la première variante, les quotités des employés sur les projets sont fixées par le décideur. Ainsi, les disponibilités hebdomadaires des employés, sont réparties entre les différents projets au prorata de leurs quotités sur les projets. L'objectif est d'affecter les employés aux tâches des projets de manière à minimiser la somme des retards pondérés des tâches plus la somme pondérée des violations de certaines contraintes. Pour une résolution à l'optimum, nous présentons un modèle mathématique basé sur la programmation par objectif mixte en nombres entiers. Pour résoudre des instances de grandes tailles, nous proposons une heuristique gloutonne, une recherche locale et une recherche tabou. Nous comparons les performances de ces méthodes par rapport au modèle mathématique en utilisant des instances dérivées de données réelles données par l'entreprise partenaire. Dans la seconde variante, nous étendons le modèle précédent pour inclure le cas où les quotités des employés sur les projets ne sont pas fixées. Nous considérons que ces quotités doivent être déterminées par le calcul d'ordonnancement, en faisant intervenir le critère de chaque agent. Deux problèmes d'ordonnancement à deux ou trois agents ont été abordés. Le premier problème est de type optimisation sous contrainte avec deux agents en compétition. Le deuxième problème s'agit d'un problème d'ordonnancement à deux agents avec une fonction objectif globale (agent global). Il ajoute au premier problème le faite que certaines contraintes peuvent être violées lorsqu'il n'est pas possible de trouver une solution réalisable pour le premier problème ou pour diminuer le coût du retard. Ainsi, un objectif global consistant à minimiser la violation de ces contraintes est ajouté. Afin de résoudre les problèmes étudies, nous présentons deux modèles mathématiques basés sur la programmation linéaire. Ces modèles sont utilisés chacun par l'approche epsilon-contrainte pour déterminer les fronts de Pareto exacts. Cependant, cette méthode n'est efficace que pour résoudre les instances de petites tailles. Pour résoudre les instances de grandes tailles, des approches heuristiques utilisant une méthode génétique de type NSGA-II sont développées. Ces différentes approches ont été comparées en termes de qualité de solution sur des instances de taille réelle.