La conception d'un réseau logistique consiste à déterminer l'ouverture au sein d'un réseau de centres et de routes, qui permettront de transporter des produits vers des clients le tout en minimisant des coûts. Au niveau tactique, la conception est régulièrement enrichie par la planification du transport de produits, ainsi que le dimensionnement de flux et de stocks. Pour concevoir ce réseau, il est possible de le modéliser sous la forme d’un problème d’optimisation mathématique. La modélisation du problème doit inclure un niveau de détail suffisant afin de proposer des solutions pertinentes d’un point de vue industriel. Cependant, la difficulté de résolution de ces modèles et la taille des instances industrielles, poussent les concepteurs à le simplifier.Dans ce contexte, nous proposons un modèle de supply chain network design pour la distribution tactique de véhicules d'un constructeur automobile et analysons certaines particularités de ce problème. Ce modèle permet de réaliser une étude quantitative d'un problème industriel avec des données réelles.Ensuite, nous proposons une méthodologie pour analyser l'impact de l'agrégation des données d'entrées sur les résultats d'un modèle et nous l'appliquons à notre cas d'étude. Le choix judicieux du niveau d'agrégation d'un modèle pour le design de réseaux permet de réaliser des économies de ressources de calculs, d'effort de développement de méthode de résolutions plus performantes et de récupération de données. Cependant, trouver un équilibre entre la réduction de la taille du modèle et la précision des résultats n'est pas trivial. Nous étudions l'impact de différents niveaux et dimensions d'agrégations sur le comportement du modèle en terme de performance et forme des solutions.Enfin, les utilisateurs de modèles ont tendance à mieux comprendre et donc accepter une modélisation dont le niveau de détail correspond aux décisions concernées. Dans ce sens, un indicateur important est la précision de l'estimation du coût des solutions. Nous étudions donc l'impact des agrégations de données d'entrées sur la qualité d'estimation du coût des solutions. Nous proposons une méthode de réajustement de l'estimation du coût des solutions dans l'optique de favoriser l'acceptation de l'outil d'aide à la décision.