De nos jours, la forte croissance économique et les conditions météorologiques extrêmes ont augmenté la demande mondiale d'électricité de plus de 6 % en 2021 après la pandémie de COVID. La reprise rapide de cette demande a rapidement augmenté la consommation d'électricité. Même si les sources renouvelables présentent une croissance significative, la production d'électricité à partir de sources de charbon et de gaz a atteint un niveau historique. D'autre part, la consommation d'énergie du secteur du numérique dépend de sa croissance et de son degré d'efficacité énergétique. À ce sujet, bien que les appareils à tous les niveaux de déploiement soient aujourd'hui économes en énergie, leur utilisation massive signifie que la consommation énergétique mondiale continue de croître.Toutes ces données montrent la nécessité d'utiliser l'énergie de ces appareils à bon escient. Pour cette raison, ce travail de thèse aborde le (re)déploiement dynamique de composants logiciels (conteneurs ou machines virtuelles) et de leurs données pour économiser de l'énergie. Dans cette mesure, nous avons conçu et développé des algorithmes intelligents d'ordonnancement distribué pour réduire la consommation électrique globale tout en préservant la qualité de service des applications.De tels algorithmes exécutent des procédures de migration et de duplication en tenant compte de la relation naturelle entre la charge/les fonctionnalités des composants matériels et la consommation d'énergie. Pour cela, ils mettent en place une nouvelle manière de négociations décentralisées basée sur un middleware distribué que nous avons créé (Kaligreen) et des structures de données multidimensionnelles.Pour exploiter et évaluer les algorithmes ci-dessus, des outils appropriés concernant les solutions matérielles et logicielles sont essentiels. Ici, notre choix a été de développer notre propreoutil de simulation appelé : PISCO.PISCO est un simulateur polyvalent et simple qui permet aux utilisateurs de se concentrer uniquement sur leurs stratégies de planification. Il permet d'abstraire les topologies de réseau sous forme de structures de données dont les éléments sont des dispositifs indexés par un ou plusieurs critères. De plus, il imite l'exécution de microservices en allouant des ressources selon diverses heuristiques de planification.Nous avons utilisé PISCO pour implémenter, exécuter et tester nos algorithmes de planification.