L'optimisation est un outil omniprésent, quoique parfois caché, de l'Automatique, que cela soit au moment de la modélisation, de l'identification ou de la synthèse de lois de commande (commande prédictive, commande optimale ou encore commande Hinfini). Nous présentons ici plusieurs résultats obtenus en Automatique par l'intermédiaire de l'optimisation. Une première partie aborde plusieurs travaux réalisés dans le cadre de coopérations industrielles (énergie, automobile...). Dans ce contexte, des approches classiques sont utilisées, fondées sur une modélisation adaptée du système à piloter et de son cahier des charges en vue de son optimisation. Cependant, lorsque la complexité du système à étudier devient trop grande, ces approches classiques atteignent leurs limites. C'est pourquoi une deuxième partie des travaux de recherche, plus théorique, s'intéresse au développement de méthodologiques génériques et novatrices, utilisant des algorithmes d'optimisation de type métaheuristiques (colonie de fourmis, optimisation par essaim particulaire, algorithmes génétiques). Les résultats présentés portent notamment sur la régression symbolique, le réglage de PID ou encore le réglage de pondération Hinfini. Enfin, une dernière partie tente de fermer la boucle en s'attachant au transfert effectif de ces nouvelles méthodologies dans l'industrie.