Résumé : Une approche originale dénommée Divide-and-Evolve est proposée pour l'hybridation des Algorithmes Évolutionnaires (AEs) avec des méthodes d'Intelligence Artificielle dans le domaine des Problèmes de Planification Temporelle (PPTs). Alors que les algorithmes mémétiques standards utilisent des méthodes locales de résolution pour améliorer les solutions évolutionnaires, l'approche Divide-and-Evolve divise arbitrairement le problème en plusieurs sous-problèmes (que l'on espère plus faciles), et peut ainsi résoudre globalement des problèmes hors d'atteinte lorsque directement fournis en entrée d'algorithmes spécialisés classiques. Mais le principal avantage de l'approche Divide-and-Evolve est qu'elle ouvre immédiatement une avenue pour l'optimisation multi-objectifs, même avec une méthode spécialisée mono-objectif. La preuve du concept de cette approche sur le benchmark de transport standard Zeno (mono-objectif) est donnée, et un petit benchmark multi-objectifs original est proposé dans ce même cadre Zeno pour montrer les possibilités multi-objectifs de la méthodologie proposée, une percée dans la planification temporelle.