Les modèles paramétriques ne peuvent représenter la réalité que si leurs paramètres ont été correctement ajustés à partir de données de retour d'expérience. La méthode d'ajustement la plus utilisée est la méthode du maximum de vraisemblance qui ne peut se suffire d'une simple technique d'optimisation locale quand les optima sont multiples. C'est la raison pour laquelle les outils existants donnent parfois des résultats erronés. Aussi avons-nous tenté d'ajuster différents modèles utilisés en fiabilité au moyen d'un outil d'optimisation globale associant Algorithmes Génétiques, Evolution Différentielle et Simplexe non linéaire. Nous nous sommes d'abord intéressés aux processus de renouvellement généralisé (GRP), pour lesquels les actions de maintenance ont un certain effet de rajeunissement. Nous avons ensuite traité le modèle de BERTHOLON, utilisé dans le domaine ferroviaire, qui associe une exponentielle à une Weibull pour modéliser globalement la deuxième et la troisième partie de la courbe en baignoire (défaillances précoces, défaillances occasionnelles puis usure). Ce modèle est susceptible d'être largement utilisé à l' avenir pour caractériser la fiabilité des composants électroniques dont l'intégration croissante devrait conduire à des limitations en durée de vie de plus en plus sévères. Mais son ajustement présentait jusqu'alors des difficultés. Pour considérer globalement les trois phases de la courbe en baignoire, nous avons enfin proposé un modèle plus complet à 7 paramètres que nous avons pu également ajuster sans difficulté en retrouvant approximativement les paramètres utilisés pour simuler préalablement un jeu d'une centaine de données expérimentales.