Le mémoire traite de l'identification de systèmes dynamiques non-linéaires par l'approche multi-modèle. Cette approche consiste à représenter le système par un ensemble de modèles simples (modèles affines ou linéaires) valables dans certaines zones de fonctionnement du système. Le modèle global du système est une interpolation des modèles locaux par l'intermédiaire de fonctions de validité associées à ces modèles. La problématique soulevée par cette approche comprend : la caractérisation de l'espace de fonctionnement du système, le découpage de cet espace en zones de fonctionnement, le choix de la structure des modèles locaux, l'estimation des paramètres et la validation du multi-modèle. Le travail porte essentiellement sur l'optimisation paramétrique et structurelle d'un multi-modèle. Des algorithmes d'optimisation paramétrique sont proposés. Ce sont des méthodes à deux niveaux qui alternent entre l'estimation des paramètres des modèles locaux, ceux des fonctions de validité étant fixés et l'estimation des paramètres des fonctions de validité pour ceux des modèles locaux fixés. Au titre de l'identification structurelle, des techniques de simplification de la structure des modèles locaux ont été développées. Elles permettent de supprimer les paramètres superflus des modèles locaux. Des méthodes de réduction du nombre de modèles locaux sont présentées : elles consistent en l'élimination de modèles locaux peu explicatifs et/ou la fusion de modèles voisins redondants. Ces développements théoriques ont été appliqués à un problème de modélisation des variations du taux d'ozone en milieu urbain à différents pas de temps. Un modèle de prévision des niveaux maxima quotidiens d'ozone a été identifié. L'autre aspect de l'application a porté sur la détermination de modèle descriptif des variations horaires de la concentration d'ozone.