La modélisation de système sous forme de fonction de transfert ou de matrice de transfert est classique en automatique. Elle comporte une phase dite structurelle délicate et une phase d'estimation des paramètres. L’utilisation de filtres orthogonaux dans ce cadre, réduit toutefois souvent la phase de modélisation structurelle au simple choix de la famille des filtres et conduit à des modèles linéaires faciles à identifier (à partir des moindres carrés pondérés par exemple). En particulier, les filtres de Laguerre-Kautz, que nous avons étudié dans cette thèse, se révèlent d'une grande efficacité pour la représentation d'une très large classe de systèmes et de signaux. La littérature sur les modèles de Laguerre est néanmoins surtout relative aux systèmes monovariables et malgré de nombreuses et variées applications concrètes, elle présente un certain nombre de points délicats notamment, en rapport avec le rôle des fonction-poids, le choix du pole et la mise en œuvre. Les contributions majeures de notre travail portent donc en partie sur ces points. Dans ce travail, nous avons en effet proposé et longuement étudié diverses utilisations de fonction-poids dans l'approximation de Laguerre de systèmes monovariables. Nous avons développé une méthode itérative générale d'optimisation de cette approximation dont nous avons étudié la mise en œuvre, et montré, en simulation, la robuste aux bruits de mesure non-colorés. Nous avons montré que l'on pouvait facilement contraindre les modèles de Laguerre à respecter certaines propriétés, tant temporelles que fréquentielles, du système. Nous nous sommes aussi intéressés à la simplification de modèle sous contraintes par filtres de Laguerre-Kautz. Nous avons enfin étendu, la méthode d'optimisation des modèles de Laguerre, aux systèmes multivariables, et nous en avons présenté une application à l'identification d'un échangeur thermique industriel