Cette thèse porte sur le développement d'un modèle mathématique et d'algorithmes pour optimiser la conception de chaîne logistiques, en intégrant des dimensions financières. Nous proposons un modèle multi-périodique, avec contraintes de capacité, sur un réseau à un échelon et avec un produit unique. L'objectif est de maximiser la valeur présente ajustée (APV) de l'entreprise. Les variables de décision binaires sont liées à la localisation des sites logistiques ; les variables continues concernent les flux de marchandises et la planification de la dette. Le modèle mathématique est tout d'abord évalué en résolvant, à l'aide d'un solveur, un ensemble d'instances générées aléatoirement. Nous proposons une approche séquentielle, consistant à optimiser d'abord les variables logistiques, puis les variables financières. Nous décrivons ensuite une métaheuristique de Recherche à Voisinage Large (LNS) pour résoudre des instances de plus grande taille. Enfin, nous considérons le cas où les dimensions logistiques et financières comme deux objectifs indépendants. Nous proposons un algorithme de type Multidirectional local search, utilisant le LNS comme algorithme mono-objectif. Des expériences numériques approfondies évaluent la pertinence de notre modèle et comparent les performances de nos algorithmes à celles du solveur.