Le travail effectué traite de l'identification des systèmes dynamiques vectoriels du second ordre, faiblement non-linéaires, et dont la non-linéarité est une fonction des composantes de la vitesse et du déplacement. Le problème est envisagé sous l'aspect de la linéarisation, et le concept de linéarisation stochastique vraie est développe. Partant des travaux de Kozin (1988) sur les systèmes du 1er ordre excités par des bruits blancs, deux méthodes sont proposées pour accélérer la convergence de l'estimation de la masse vers la vraie masse du système initial, lorsque la largeur de bande de l'excitation, physique, tend vers l'infini. La première méthode, développée dans le cas d'excitations de type Ornstein-Uhlenbeck, fait l'objet d'une proposition théorique. Pour la deuxième méthode, un algorithme itératif d'optimisation sur la masse par recalage des moments du second ordre, les matrices d'amortissement et de raideur étant estimées par linéarisation dans l'ensemble des matrices symétriques à masse imposée, est proposé et testé numériquement. Il s'avère très performant même en présence de non-linéarités importantes, ou de modes proches

UNE BONNE APPROCHE POUR EFFECTUER L'IDENTIFICATION MODALE D'UN SYSTEME DYNAMIQUE FAIBLEMENT NON LINEAIRE CONSISTE A UTILISER UNE METHODE BASEE SUR UNE LINEARISATION STOCHASTIQUE EQUIVALENTE A COEFFICIENTS CONSTANTS. UNE TELLE METHODE CONDUIT A LA DEFINITION D'UN MODELE LINEAIRE QUI PERMET D'ESTIMER CORRECTEMENT LA PUISSANCE TOTALE MESUREE MAIS PEUT CONDUIRE A UNE IDENTIFICATION INCORRECTE DES DENSITES SPECTRALES. L'OBJET DE CETTE THESE EST LE DEVELOPPEMENT D'UNE METHODE DE LINEARISATION STOCHASTIQUE A COEFFICIENTS ALEATOIRES PERMETTANT D'APPORTER UNE REPONSE A CE PROBLEME. NOUS AVONS DONC ETE CONDUIT A DEFINIR UN MODELE LINEAIRE MULTIDIMENSIONNEL A COEFFICIENTS ALEATOIRES. LE PROBLEME POSE NOUS A AMENE A DEFINIR UN CRITERE D'IDENTIFICATION DE CE MODELE SUR LEQUEL NOUS AVONS FORMULE UN PROBLEME D'OPTIMISATION. UNE METHODE NUMERIQUE APPROPRIEE A ALORS ETE MISE EN UVRE POUR OBTENIR LA RESOLUTION DE CE PROBLEME D'OPTIMISATION. UN CERTAIN NOMBRE D'EXEMPLES NUMERIQUES NOUS A PERMIS D'EVALUER L'APPORT DE LA METHODE PROPOSEE PAR RAPPORT A UNE METHODE CLASSIQUE DE LINEARISATION STOCHASTIQUE A PARAMETRES CONSTANTS