On formule de manière unifiée les principaux résultats théoriques obtenus par les auteurs dans le domaine de l’optimisation différentiable multobjectif, on discute des exemples il- lustratifs, et on présente brièvement les développements logiciels conduits à l’Inria s’y rapportant. Le développement se partage en deux parties liées. Dans la partie A, l’Algorithme de Descente à Multiples Gradients (MGDA), que l’on qualifie d’approche directe, est une construction générale de méthode de descente dans le contexte d’optimisation multiobjectif. L’algorithme fournit une technique pour déterminer des solutions Pareto optimales à des problèmes contraints comme une extension de la méthode classique du gradient. Dans la partie B, on pose une autre problématique, que l’on qualifie d’approche adaptative. Celle-ci se développe à la suite du choix d’une solution Pareto optimale vis à vis d’un ensemble de fonctions coûts principales soumises à des contraintes obtenue par application de MGDA, ou toute autre technique effective d’optimisation multiobjec- tif, possiblement une stratégie évolutionnaire. Cette deuxième phase de l’optimisation permet de construire un continuum de solutions proches pour lesquelles de nouvelles fonctions coûts, dites secondaires, sont réduites au prix d’une dégradation modérée de la condition de Pareto station- narité des fonctions coûts principales. Ainsi, le processus d’optimisation complet démontre une forme d’adaptivité au résultat de la première phase.