On s’intéresse au problème de l’optimisation multidisciplinaire, lorsque les disciplines
sont prises en compte par des critères qui sont des fonctionnelles de solutions
distribuées d’équations aux dérivées partielles. Pour le cas de deux disciplines, on
propose une stratégie dans laquelle l’optimisation est décomposée en deux phases : (a) une
phase d’optimisation coopérative au cours de laquelle les critères sont améliorés à chaque
itération, et (b) une phase d’optimisation concurrentielle réalisée par un jeu de Nash
associé à un partage adapté des variables.