Les méthodes d'erreur en relation de comportement (ERC) mesurent l'écart entre un modèle mathématique et des observations au moyen de fonctionnelles énergétiques qui sont, quant à elles, construites sur la base de champs admissibles. Ces méthodes présentent des excellentes capacités à localiser spatialement des défauts structuraux, une grande robustesse vis-à-vis des bruits de mesure, ou encore de bonnes propriétés de convexité des fonctions coût. Par ailleurs, les méthodes de filtrage de Kalman (KF) répondent au problème d'identification récursif dans une approche de type prédiction-correction. Elles s'avèrent tout particulièrement adaptées aux systèmes évolutifs dont les informations de modèle et d'observation peuvent être entachées d'erreurs. La partie centrale de ce travail est ainsi consacrée à la construction puis à la mise en oeuvre d'une stratégie d'utilisation combinée de l'ERC et du FK. Pour cela, l'ERC est utilisée comme une technique pour améliorer la connaissance a priori des défauts de modèle. Les fonctionnelles d'ERC sont ensuite introduites comme fonctions d'observation dans une description d'état du problème d'identification. Sa résolution est menée à bien avec le FK ''Unscented'' (UKF) présentant le double avantage d'avoir une excellente tout en évitant l'évaluation de Jacobiens et de Hessiens. Cette approche est testée et illustrée au moyen d'études numériques et appliqué à des cas complexes industriels tels que l'apparition et la progression de l'endommagement structurel au cours d'une sollicitation, la modification des conditions aux limites d'une structure entre différentes étapes de son exploitation, ou encore l'expansion de données expérimentales sur un modèle numérique.