Les systèmes cyber-physiques (Cyber Physical Systems, CPS) consistent en des systèmes informatiques qui contrôlent les processus physiques. Les dispositifs médicaux, les voitures autonomes et les robots en sont des exemples. En raison de la complexité et de l'hétérogénéité de leurs composants, il n'est pas toujours possible de dériver des modèles mathématiques pour de tels systèmes et les approches de conception basées sur les données sont donc une alternative cruciale. Cette thèse est construite sur des extensions de deux formalismes de spécification, la logique temporelle du signal (Signal Temporal Logic STL) et les expressions régulières temporisées (Timed Regular Expressions TRE), qui sont expressifs pour décrire les aspects temporels des comportements CPS et en outre adaptés à des fins de surveillance et de validation.STL est une logique temporelle adaptée pour spécifier les propriétés des signaux à valeurs réelles. Nous étendons la logique avec des opérateurs pour compter les événements. Ils peuvent être utilisés, par exemple, pour compter les impulsions d'électrocardiogramme (ECG). Les spécifications paramétriques (telles qu'écrites en STL paramétrique, PSTL) sur les signaux, lorsque des paramètres sont fixés, peuvent être considérées comme des prédicteurs qui indiquent à quels endroit d'un signal un motif temporel se produit. Nous appelons prédicteurs de modèles paramétriques croissants (Increasing Parametric Pattern Predictors IPPP) des spécifications paramétriques qui deviennent de plus en plus faciles à satisfaire à mesure que les valeurs des paramètres augmentent. Nous proposons une méthode pour apprendre des prédicteurs en trouvant des paramètres d'IPPP qui produisent un prédicteur presque aussi précis que le signal d'étiquetage donné par les experts, utilisé pour l'entrainement. Nous introduisons une mesure appelée epsilon-count pour quantifier la précision de la prédiction. Pour les IPPP, la diminution des faux positifs et des faux négatifs implique l'optimisation d'objectifs opposées. Nous concevons un algorithme qui identifie des paramètres tout en respectant ces contraintes opposées. La domination de Pareto et la recherche dichotomique sont les deux idées principales derrière la mise en œuvre efficace de cet algorithme.Les TRE étendent les expressions régulières avec des contraintes sur la durée. La surveillance à l'aide des spécifications TRE est appelée correspondance par motif temporisé (Timed Pattern Matching TPM). Cela implique de trouver tous les intervalles de temps durant lesquels un signal donné se comporte selon la spécification donnée. La correspondance paramétrique temporisée (Parametric Timed Pattern Matching PTPM) peut être définie sur des versions paramétriques de TRE (PTRE) dans lesquelles nous calculons, en plus des intervalles de temps, les valeurs de paramètre qui permettent la correspondance. La sémantique de PTRE diffère légèrement pour les signaux à valeurs réelles et les séquences d'événements temporisés. Nous montrons que pour ces deux types de sémantique, nous obtenons deux types de polytopes que nous appelons zones paramétriques et intervalles paramétriques. Les opérations sur les zones paramétriques peuvent être optimisées en exploitant la dimension temporelle avec des algorithmes de balayage de plan utilisés pour TPM. Les opérations sur des intervalles paramétriques peuvent également bénéficier du tri et des procédures de recherche dichotomique ultérieures. Nous montrons également comment l'identification paramétrique peut être effectuée au-dessus de PTPM pour calculer toutes les valeurs de paramètres qui font que la spécification permet de retrouver exactement les motifs annotés par des experts. Pour les deux types de formalismes temporisés (PSTL et PTRE) nous proposons des exemples synthétiques pour la compréhension du lecteur. Nous appliquons également nos méthodes à l'analyse des ECG et des données de trafique maritime.