L'essor de l'informatique et des techniques d'intelligence artificielle a conduit ces dernires annes  un dveloppement sans prcdent des procds d'optimisation automatique. En particulier, les mthodes volutionnistes s'affirment peu  peu comme les techniques les plus robustes. Cependant, la traduction d'un problme rel sous forme d'une fonction  optimiser n'est pas toujours simple. Ds lors, le concepteur apprcie d'tre conduit  plusieurs possibilits (plus ou moins parfaites) plutt qu' une solution unique. Les mthodes gntiques multimodales ou mthodes de nichage offrent des perspectives intressantes en permettant la localisation de solutions optimales multiples. Notre travail est centr sur la caractrisation de ces nouvelles techniques d'optimisation numriques. Chaque mthode a t teste  partir de fonctions mathmatiques ainsi que sur des problmes d'lectromagntisme et sur un procd trs original de conception de formes optimales d'lectrodes. Nous dcrivons une nouvelle approche o la forme de l'lectrode est identifie  une ligne quipotentielle obtenue par optimisation du positionnement et de la valeur d'un certain nombre de charges fictives.