Dans ce travail de recherche, nous proposons une approche d'optimisation multicritères basée sur la simulation pour la conception optimale des chaînes logistiques dans un contexte dynamique et incertain. Cette approche comprend un module d'optimisation basé sur des algorithmes génétiques multicritères et un module de simulation permettant l'évaluation de la chaîne étudiée au cours de l'optimisation. L'optimisation concerne à la fois la configuration de la chaîne logistique et le système de pilotage de ses différentes activités (approvisionnement, production, stockage, transport, etc.). Ce système est caractérisé par des règles opérationnelles et leurs paramètres de contr©ole pour la prise de décision durant la simulation. L'algorithme génétique explore les solutions candidates intéressantes (configuration de la chaîne + règles de pilotage) dont les performances sont automatiquement évaluées par le simulateur. La paramétrisation du module de simulation prend en compte les incertitudes liées à la demande, à la production, au stockage et à la distribution. Pour la validation de notre approche, deux cas d'études, proposés respectivement par deux partenaires du projet européen ONE de l'industrie automobile et textile, sont présentés. L'objectif du premier cas d'étude est de reconfigurer une partie du réseau actuel de production et de distribution de notre partenaire automobile. Proposé par notre partenaire de l'industrie textile, le deuxième cas d'étude est dédié au problème de choix des fournisseurs dans un environnement dynamique et stochastique. L'objectif est de déterminer la meilleure sélection des fournisseurs, des modes de transport utilisés ainsi que certains paramètres de contrôle liés au pilotage de la chaîne étudiée.