Lors de la conception de systèmes cyber-physiques complexes, les ingénieurs doivent intégrer des modèles numériques issus de différents environnements de modalisation afin de simuler l’ensemble du système et estimer ses performances globales. Si certaines parties du système sont physiquement disponibles, il est possible de connecter ces parties à la simulation dans une approche Hardware-in-the-Loop (HiL). Dans ce cas, la simulation doit être effectuée en temps-réel l’exécution des modèles consiste à réagir périodiquement aux composants réels (physiquement disponibles) et fournir des mises à jour périodiques des valeurs de sortie. L’augmentation des exigences sur la précision de la simulation et son domaine de validité nécessite des modèles plus complexes. En utilisant de tels modèles, il devient difficile d’assurer une exécution rapide ou en temps réel sans utiliser d'architectures multiprocesseur. FMI (Functional Mocked-up Interface), un standard de plus en plus adopté pour l'échange de modèles et la co-simulation, offre de nouvelles possibilités d’éxécution multi-coeur des modèles numériques. L’un des objectifs de cette thèse est de permettre l’extraction du parallélisme potentiel dans un ensemble de modèles multi-rate interconnectés. Nous nous appuyons sur l’approche RCOSIM qui a été développée auparavant à IFP Energies nouvelles et qui permet la parallélisation de modèles FMI sur des processeurs multi-coeurs. Cette approche est basée sur la représentation de la co-simulation par un graphe de dépendance. Dans la première partie de la thèse, des améliorations sont proposées dans le but de surmonter les limitations de RCOSIM. En particulier, nous proposons de nouveaux algorithmes pour permettre la prise en charge de modèles échangeant des données à des rythmes différents (multi-rate) et les ordonnancer sur des processeurs multi-coeur. En outre, les améliorations permettent de gérer des contraintes spécifiques telles que l’exclusion mutuelle et les contraintes temps-réel. Deuxièmement, nous proposons des algorithmes pour l’allocation et l’ordonnancement non prémptif des graphes de dépendance, entenant compte de leur contraintes de dépendance, temps réel, et d’allocation. Ces algorithmes visent à accélérer l’exécution de la co-simulation ou assurer son exécution en temps-réel dans une approche HiL. Les solutions proposées sont testés sur des graphes de dépendance générés aléatoirement et validées sur un cas d’utilisation industriel qui est une co-simulation d’un moteur à combustion interne. Cette thèse est une partie d'une action conjointe entre IFP Energies nouvelle et Inria, Inria a apporté son expertise en temps réel aux challenges sur la simulation numérique auxquels participe IFP Energies nouvelles.