Les travaux menés dans cette thèse de doctorat s’inscrivent dans le cadre d’un effort plus large d’automatisation des systèmes de simulation industriels. Dans l’industrie aéronautique, et plus particulièrement au sein d’Airbus, l’application historique de la simulation est la formation des pilotes. Il existe aussi des utilisations plus récentes dans la conception de systèmes, ainsi que dans l’intégration de ces systèmes. Ces dernières utilisations exigent un très haut degré de représentativité, là où historiquement le plus important était le ressenti du pilote. Les systèmes sont aujourd’hui divisés en plusieurs sous-systèmes qui sont conçus, implémentés et validés indépendamment, afin de maintenir leur contrôle malgré l’augmentation de leurs complexités et la réduction des temps de mise sur le marché. Airbus maîtrise déjà la simulation de ces sous-systèmes, ainsi que leurs intégrations en simulation. Cette maîtrise est empirique, les spécialistes de la simulation reprennent l’ordonnancement d’intégrations précédentes, et l’adaptent à une nouvelle intégration. C’est un processus qui peut parfois être chronophage, et qui peut introduire des erreurs. Les tendances actuelles de l’industrie sont à la flexibilité des moyens de production, à l’intégration d’outils logistiques permettant le suivi, à l’utilisation d’outils de simulation en production, et à l’optimisation des ressources. Les produits sont de plus en plus souvent des itérations d’anciens produits améliorés, et les tests et simulations intégrés à leurs cycles de vie. Travailler de manière empirique dans une industrie qui nécessite de la flexibilité est une contrainte, et il est aujourd’hui important de facilement modifier des simulations. La problématique est donc de mettre en place des méthodes et outils permettant a priori de générer des ordonnancements de simulations représentatifs. Afin de répondre à ce problème, nous avons mis en place une méthode permettant de décrire les composants d’une simulation, la manière dont cette simulation pourra être exécutée, ainsi que des fonctions permettant de générer des ordonnancements. Par la suite, nous avons implémenté un outil afin d’automatiser la recherche d’ordonnancement, en se basant sur des heuristiques. Enfin nous avons testé et vérifié notre méthode et outils sur des cas d’études académiques et industriels.