Les Algorithmes Evolutionnaires (AEs) representent une famille d'algorithmes fondes sur la theorie Darwinienne. Ils font evoluer une population d'individus vers l'optimum d'une fonction. Ils sont caracterises par leur capacite de diriger la recherche vers les zones prometteuses. Cependant, ces metaheuristiques possedent quelques faiblesses. Une facon de les surmonter est de combiner ces AEs avec d'autres methodes de recherche, ce phenomene est appele l'hybridation. La plus connue est l'hybridation avec les methodes de recherche locale (RL) qui ont la capacite a detecter les optima locaux. Le resultat d'une telle hybridation est appele Algorithme Memetique (AM). Plusieurs AMs ont montre de tres bons resultats dans la resolution de problemes reels dans un cadre mono-objectif. C'est pour cette raison, la communaute scientifique a opte vers le developpement d'AMs pour le cadre multi-objectif. La plupart des AMs multi-objectifs visent la resolution des problemes reels plutot que le developpement du cadre conceptuel de tels algorithmes. Dans ce travail, nous presentons les problemes de conception des AMs multi-objectifs. Ainsi, nous developpons un AM multi-objectif (PHC-NSGA-II)"