Pour limiter le coût global du processus d'optimisation multidisciplinaire, des modèles réduits combinés avec une stratégie de calcul parallèle fournissent une solution économique et performante; cette problématique est spécifiquement investiguée dans cette thèse. Tout d'abord, un environnement de calcul parallèle considérant simultanément algorithmes d'optimisation, modèles numériques et gestion des processeurs est analysé sur le cas d'un profil d'aile aéroélastique, démontrant la relation étroite entre choix des méthodes d'optimisation et architecture de plates-formes parallèles, et mettant en évidence l'importance de développer des modèles réduits. La suite de la thèse s'attaque donc à l'élaboration de méthodes d'approximation originales combinant les avantages respectifs des métamodèles "généralistes" et "physiques". Plus précisément, des variantes contraintes (CPOD/CPOD2) de la méthode de décomposition aux valeurs propres ont été mises au point, et appliquées avec succès sur un cas test académique (aile d'avion), ainsi que sur une application industrielle (optimisation multiobjectif de la forme d'un conduit d'admission développé par Renault).