L’étude du comportement animal, depuis la préhistoire, demeure cruciale pour l’humanité, plusencore de nos jours face aux enjeux écologiques et économiques actuels. Bien souvent, des contraintesspatiales, temporelles, techniques et financières peuvent entraver l’étude directe du comportementanimal. Pour pallier ces difficultés, le domaine de la modélisation et la simulation informatiques estd’une grande contribution, en offrant la possibilité de modéliser et donc de prédire des comportementsd’intérêt. Pour les décideurs, elles constituent un outil efficace pour tester divers scénarios, facilitantainsi la prise de certaines décisions. L’évolution rapide des techniques de modélisation, notamment leDeep Learning, a considérablement renforcé l’efficacité des modèles de comportement. Cependant, cesmodèles présentent souvent un défaut majeur : Plus ils sont précis, moins ils sont interprétables etexplicables. De plus, leur mise en oeuvre par un public non expert en informatique, tel que lesbiologistes, peut être laborieuse.Pour répondre à cette problématique, cette thèse propose une nouvelle approche novatricetraitant la modélisation du comportement animal comme un problème d’optimisation. Cette méthoderepose sur une base de données d’actions élémentaires constituée à partir de connaissances, notammentles éthogrammes et des modèles existants, validés par la communauté. Dans cette base de données, ilfaut trouver les actions et paramètres optimaux reproduisant au mieux le comportement à modéliser. Larésolution de tels problèmes d’optimisation se fait avec des métaheuristiques, une classe de méthodesde résolution particulièrement efficaces pour ce type de problème. Ainsi, l’approche ANIMETA a étédéveloppée pour générer des modèles de comportement animal à la fois précis, interprétables etexplicables.ANIMETA se compose de plusieurs outils, notamment ANIMETA-MOD, un modèle typed’animat représentant le comportement animal par des actions élémentaires. Ce modèle est intégré dansun système multi-agent, ANIMETA-SMA, spécialement conçu à cet effet. ANIMETA-ENGINE estchargé de la génération des modèles proprement dite, utilisant des métaheuristiques pour choisir lesactions et les paramètres optimaux. L’interface avec l’utilisateur, ainsi que d’autres systèmesinformatiques, est assurée par les outils ANIMETA-HIM et ANIMETA-API. Bien que desaméliorations restent envisageables, ANIMETA offre des résultats prometteurs pour la modélisation ducomportement animal.