Les opérateurs pourraient améliorer la qualité de service et les performances des réseaux UMTS en adaptant judicieusement les paramètres de gestion de ressource radio (RRM). L'objectif de cette thèse est de développer des méthodes de paramétrage automatique des réseaux UMTS. Deux modes de fonctionnement ont été envisagés: le paramétrage off-line et l'adaptation on-line. Le premier mode permet à l'aide d'un simulateur de réseau mobile de déterminer le réglage des paramètres RRM le plus adapté pour une demande en trafic donnée. Le second mode ou ingénierie dynamique est un processus qui permettra d'ajuster dynamiquement certains paramètres contrôlant des algorithmes de RRM pour adapter le réseau mobile aux fluctuations de trafic. Le processus d'ingénierie automatique est basé sur une boucle de régulation qui est orchestrée par un contrôleur de logique floue. Ce contrôleur reçoit en entrées des indicateurs de qualité filtrés et produit en sortie un jeu de paramètres RRM modifiés. Pour améliorer les performances de ces contrôleurs, deux méthodes d'optimisation automatique ont été développées et testées numériquement à l'aide d'un simulateur de réseaux mobiles. La première est une méthode d'optimisation itérative stochastique: l'optimisation par essaim de particules. La seconde approche est fondée sur l'algorithme de Q-learning qui appartient à la famille des méthodes d'apprentissage par renforcement. Pour cela, il a été nécessaire de modéliser nos contrôleurs comme des systèmes d'inférence floue (SIF). Ces méthodes de contrôle ont été testées sur deux algorithmes RRM importants des réseaux UMTS: le contrôle d'admission et la macro-diversité. La méthode de contrôle automatique par SIF nous apparaît suffisamment générique pour pouvoir non seulement s'adapter aux autres algorithmes RRM, mais aussi à différents scénarii de gestion coordonnée des réseaux d'accès radio multi-systèmes.