Les accidents industriels ont de nombreuses conséquences sur le plan économique mais aussi humain et environnemental. Pour cette raison, la surveillance et les systèmes de contrôle automatisés, sont devenus nécessaires pour limiter les risques, améliorer la sécurité et éviter l'apparition des pannes les plus graves. Cette thèse vise à proposer une approche de surveillance systématique pour la configuration et la planification des missions de surveillance réalisées par des agents automatisés (AGV ou UAV) dans des applications variées. Elle étudie particulièrement le problème d'allocation des tâches de levée de doute en différents points de mesure, dans un contexte centralisé et hors-ligne. Différents types de robots mobiles, équipés de capteurs, sont utilisés comme des outils de collecte des mesures. L’optimisation de la mission doit être réalisée en respectant les contraintes opérationnelles liées à l’autonomie des agents mais aussi fonctionnelles, par exemple, dans certains cas, l’ordre des points de mesures à visiter. Pour résoudre ces problèmes, nous proposons une modélisation du problème et une méthodologie de résolution issues des systèmes à événements discrets (SED). Cette approche permet de coupler les problèmes de configuration et de planification des trajectoires en faisant apparaître la complexité exponentielle du problème. Pour réduire cette complexité et étudier des situations réelles, nous proposons une méthode d’optimisation combinatoire basée sur la recherche en faisceau filtrée hybride et sur l’algorithme de Dijkstra qui minimise le coût global de la mission. Le résultat de cette recherche permet d’optimiser le nombre de robots de chaque type, l’ensemble des mesures affectées à chaque agent et les trajectoires des robots.