Dans cette Thèse, nous étudions l optimization robuste avec un modèle incertain d un système étrectromécanique avec vibro-impact. Le système életromécanique est contitué d un chariot dont le mouvement est généré par un moteur à courant continu, et d un mateau embarqué dans ce chariot. Le Marteau est relié au chariot par un resort non linéaire et par un amortisseur linéaire, de façon qu un mouvement relative existe entre eux. Une barrière flexible linéaire, placée à l extérieur du chariot limite les mouvements du Marteau. En raison du mouvement relative entre le Marteau et la barrière, des impacts peuvent se produire entre ces deux éléments. Le modèle du système dèveloppé prend en compte l influence du moteur à courant continu dans la comportement dynamique du système. Certains paramètres du système sont incertains, tells que les coefficients de rigidité et d amortissement de la barreire flexible. L objectif de la Thèse est de réaliser une optimization de ce système életromécanique en jouant sur les paramètres de conception. Le but est de maximizer la puissance d impact sous la contrainte que la puissance électrique consommée par le moteur à courant continu soit inférieure à une valeur maximale. Pour choisir les paramétres de conception dans le probléme d optimisation, une analyse de sensibilité a été réalisée afin de definir les paramètres du système les plus sensibles. L optimisation est formulée dans le cadre de la conception robuste em raison de la présence d incertitudes dans le modele. Les lois de probabilités des variables aléatoires du problème sont construites em utilisant le Principle du Maximum d Entropie. Les statistiques de la réponse stochastique du système sont caçculées em utilisant la méthode de Monte Carlo. L emsemble de équations non linéaires est presente, et um solveur temporel adapte est développé. Le probléme d optimisation non linéaire stochastique est résolu pour différents niveaux d incertitudes, ainsi que pour le cas déterministe. Les résultats sont différents, ce qui montre l importance de la modélisation stochastique.