Nous présentons un algorithme générique-hybride pour la résolution de problèmes d'optimisation combinatoire. Cet algorithme est le fruit de la combinaison de l'algorithme d'optimisation par colonie de fourmis (ACO: Ant Colony Optimization) et IBM ILOG CP Optimizer (produit commercialisé dédié à la résolution de problèmes combinatoires). Le problème à résoudre est modélisé avec le langage de modélisation de CP Optimizer et il est résolu par l'algorithme que nous proposons. Cet algorithme fonctionne en deux phases séquentielles. La première phase sert à échantillonner l'espace des solutions et à construire des traces de phéromones par ACO. Durant la deuxième phase, CP Optimizer effectue une recherche arborescente exhaustive guidée par les traces de phéromones accumulées lors de la première phase. Nous avons testé l'algorithme proposé sur, principalement, trois problèmes à savoir: le problème du sac à dos, le problème d'affectation quadratique et le problème de l'ensemble stable maximum. Les premiers résultats sur ces trois problèmes montrent que ce nouvel algorithme améliore les performances de CP Optimizer.