L’optimisation offre la possibilité, dans de nombreux domaines, d’améliorer les performances d’un système donné, qu’il soit physique ou mathématique. Depuis quelques décennies, les méthodes d’optimisation metaheuristiques ont fait leurs preuves, notamment dans le domaine de la mécanique. Du grec meta signifiant "un niveau au dessus", les metaheuristiques permettent de s’affranchir du calcul des sensibilités souvent problématique quant à la résolution de problèmes d’optimisation complexes et/ou NP difficiles. En outre, elles ont la capacité à analyser simultanément l’ensemble du domaine des solutions, ce qui leur permet converger efficacement vers l’optimum global de la fonction objectif considérée. Notre travail propose le développement d’une nouvelle méthode metaheuristique intelligente, basée conjointement sur l’algorithme d’optimisation par essaim particulaire PSO, et l’algorithme PageRank développé par MM. Brin et Page, et utilisé par le moteur de recherche Google. Cet algorithme, appelé Inverse-PageRank-PSO (I-PR-PSO), a été validé sur un benchmark de fonctions mathématiques, puis en optimisation contrainte sur des treillis mécaniques. Interfacée avec l’algorithme Evolutionary Structural Optimization (ESO), elle a été adaptée à l’optimisation topologique et a permis de trouver des résultats dont les topologies sont régulières et les temps de calcul minimisés. Dans le domaine des metamatériaux, nous avons développé une cape d’invisibilité électromagnétique fréquentielle, c’est à dire un metamatériau dont les parties réelle et imaginaire de la perméabilité effective sont négatives. En appliquant notre algorithme I-PR-PSO aux metamatériaux mécaniques, nous avons montré qu’il est possible de développer un metamatériau constitué d’acier qui présente des grandes déformations à l’échelle macroscopique, dûes notamment aux grands déplacements présents dans le Volume Elémentaire Représentatif à l’échelle microscopique.