L’objectif de nos travaux est d’aider la prise de décision liée à la résolution de problèmes de conception dans la phase de développement de systèmes complexes dans un contexte de simulation numérique. Nous avons conduit nos travaux au sein d’une entreprise automobile multinationale.La première partie de la recherche s'est concentrée sur l'identification des difficultés rencontrées dans le processus de résolution de problème, en s’intéressant particulièrement à la prise de décision, et aux méthodes et outils. Une étude qualitative menée auprès de 11 experts et portant sur 40 problèmes de décision a mis en lumière le fait que les décideurs choisissent parmi un ensemble d'alternatives relatives au processus plutôt que des alternatives liées à l’artefact (i.e. uniquement liées au produit). Les conséquences de ces alternatives relatives au processus telles que le recalcul, l'intégration de nouvelles informations, l'attente de l'évolution de la définition technique du véhicule, etc. ne sont pas explicites. Nous avons constaté que l’absence d'un cadre rigoureux était une perspective d'amélioration.La deuxième partie consista donc à proposer un cadre pour aider la prise de décision en matière de conception. Les questions relatives à l’ingénierie concourante et aux contraintes de ressources liées à la gestion de projet en analyse de la décision n’ont été que rarement approfondies dans la littérature Decision Based Design. Pour tenter de combler cette lacune, nous avons conçu le framework IRDS. Par le biais de IRDS, nous proposons de rendre explicites les alternatives liées au processus, et de rassembler des données économiques et des prévisions d'experts dans un modèle décisionnel fondé sur la théorie prescriptive de la décision, incluant la maximisation de l'utilité espérée et la valeur économique de l’information imparfaite.La troisième partie de nos travaux s’est intéressée à l'impact de l'incertitude sur le processus de collecte des données et sur la décision. Pour ce faire, nous avons proposé de réaliser des analyses de sensibilité à partir des données brutes disponibles, en amont l’approfondissement par élicitation d’expert. Les impacts sur le processus décisionnel et les échanges d'informations entre les parties prenantes, ainsi que les ressources consommées par les nouvelles pratiques que nous proposons ont également été étudiés à un niveau plus superficiel. Nous présentons le déploiement et le test de ces méthodes sur 5 études de cas. La validation de cette approche exige de recueillir davantage de données empiriques pour soutenir l'hypothèse selon laquelle de meilleures décisions sont prises à long terme. Nous sommes convaincus que nos recherches serviront de base à de futures études sur la conception et la mise en œuvre de frameworks visant à relever des défis industriels.