La pile à combustible (PàC) est actuellement la solution alternative aux énergies fossiles la plus prometteuse. Il convient cependant de l’optimiser d’un point de vue technique et financier pour les voir apparaître sur le marché pour des applications stationnaires et automobiles. A cet effet, l’amélioration de la fiabilité et de la disponibilité du système PàC nécessite la mise en place d’algorithmes capables non seulement de détecter et identifier au plus tôt les défaillances mais aussi d’estimer en temps réel l’état de santé de son fonctionnement et de prédire sa durée de vie résiduelle. Les méthodes de détection et d’isolation de défauts (FDI) bien développées dans la littérature ont un inconvénient majeur dû principalement au fait qu’elles se basent sur le symptôme d’apparition du défaut. Par contre, le pronostic consiste à l’estimation de la durée de fonctionnement avant défaillance d’un système et du risque d’existence ou d’apparition ultérieure d’une défaillance. Les méthodes de pronostic basées sur un modèle physique offrent généralement des résultats précis car ne nécessitent ni apprentissage de modes de fonctionnement ni expertise de l’opérateur. Toutefois, la problématique pour un système PàC réside dans le couplage de plusieurs phénomènes (électrochimique, électrique, thermo fluidique), l’incertitude des paramètres du modèle et la faible instrumentation du coeur de pile. Dans la thèse, nous utilisons des modèles incertains basés sur l’outil Bond Graph bien adapté à l’aspect multidisciplinaire et multi physique de la PàC. Concrètement, les incertitudes paramétriques sont intégrées sur les éléments Bond Graphs afin de générer un modèle robuste (basé sur les Bond Graphs LFT - Linear Fractional Transformation) d’évolution des puissances (associées à la santé de la PàC). Ces modèles dynamiques robustes aux incertitudes paramétriques sont utilisés pour la détection du début du vieillissement et l’estimation de la dégradation du coeur de pile en se basant sur les propriétés causales et structurelles du modèle. Le modèle de dégradation ainsi généré est utilisé par un filtre de Kalman étendu ce qui permet l’estimation de l’état de santé et de la dynamique du vieillissement pour toute condition opératoire (de température, de courant et de pression). De plus, cet algorithme permet d’estimer l’incertitude qui est utilisé par le modèle Bond Graph LFT ainsi que par un algorithme First Order Reliability Method pour l’estimation de la durée de vie résiduelle et de l’incertitude de prédiction inhérente. La méthode globale a été validée sur différents jeux de données : – A charge constante – Sous un profil µ-cogénération – Sous un profil automobile L’ensemble des algorithmes ont été intégré dans un démonstrateur développé sous Matlab Guide. Celui-ci permet également le contrôe par inversion de modèle REM (Représentation énergétique Macroscopique) à paramètres variants, robuste au vieillissement (en se basant sur l’estimation de l’état de santé).