Un objectif de cette thèse est de fournir des outils d analyse, de conception et d implantation des approches métaheuristiques pour l optimisation combinatoire en les formulant dans le cadre des systèmes multi-agents. L accent est mis sur la potentialité de mise en oeuvre distribuée des approches et sur l utilisation de techniques d apprentissage permettant d adapter dynamiquement des méthodes de recherche. Dans le cadre de cette thèse nous proposons tout d abord, un framework organisationnel et multi-agent pour la modélisation de l implantation de métaheuristiques. Ce framework nommée AMF (Agent Metaheuristic Framework), introduit un modèle organisationnel de métaheuristiques qui donne un cadre d analyse de comparaison et de conception de différentes métaheuristiques. Ensuite, nous présentons une métaheuristique fondée sur la métaphore de la coalition, CMB (Coalition Based Metaheuristic), mettant en avant l intérêt d utiliser les systèmes multi-agents pour la conception de métaheuristiques. Dans cette métaheuristique, la recherche de solution est effectuée par un ensemble d agents regroupés dans une coalition. La structure de coalition permet d intégrer naturellement au système de résolution des aspects de distribution et de décentralisation du contrôle, de même que des procédés d apprentissage individuels et collectifs. L efficacité de notre approche est évaluée expérimentalement en traitant deux problèmes d optimisation combinatoire : un problème de tournées de véhicules et un problème de positionnement.