La performance d'un système de localisation de source passive acoustique basé sur un ensemble de capteurs ne dépend pas seulement du choix des algorithmes d'estimation mais est aussi fortement corrélée à la géométrie du réseau de capteurs et à la position de la source. Cette thèse propose des procédures d'optimisation des estimateurs de position via un positionnement de capteurs optimal. Afin d'optimiser ce processus pour une source "quasi-statique", trois mesures de performance sont traitées, comparées et évaluées : la borne inférieure de Cramer-Rao (CRLB), la dilution de précision géométrique (GDOP) et le nombre de conditionnement. Les deux premières mesures décrivent l'influence du bruit de mesure, décrit par une fonction de probabilité connue, tandis que la dernière est une mesure non-statistique. En considérant le bruit Gaussien et l'estimateur d'un modèle linéarisé, il est montré que la même configuration est obtenue par ces trois mesures. Ensuite ces mesures de performance sont étendues pour une source mobile en proposant deux approches. La première consiste à représenter la zone de surveillance par plusieurs points représentatifs et à minimiser la moyenne des mesures de performance de tous ces points. La deuxième est une approche dynamique, qui modélise le mouvement de la source par des équations d'état. Puis des estimateurs récursifs Bayesiens (par exemple le filtre de Kalman pour des systèmes linéaires) sont appliqués afin de prédire la position future de la source. On sélectionne alors parmi tous les microphones, un sous-ensemble qui minimise la mesure de performance pour la position prédite. Ce sous-ensemble est alors utilisé pour l'estimation.