Le bruit des avions est devenu une préoccupation majeure au sein de la communauté aéronautique en raison des exigences de plus en plus strictes des autorités de certification, en particulier dans le domaine de l'aviation verte. Il existe également des contraintes imposées par la communauté vivant à proximité des aéroports. Cette préoccupation englobe à la fois le bruit externe et interne associé à l'avion. Dans les turboréacteurs modernes à double flux, notamment ceux dotés d'un taux de dilution élevé (UHBR), le bruit du fan contribue de manière significative au niveau de bruit global, caractérisé à la fois par des composantes d'un bruit large bande et de bruits tonals. Les revêtements acoustiques, conçus pour atténuer ces bruits, sont essentiels pour une absorption efficace du bruit. Pour s'assurer de leur efficacité, il est impératif de les étudier pour diverses configurations de vol. Cette thèse porte sur l'atténuation du bruit tonal basse fréquence à l'aide de revêtements acoustiques adaptés. La conception des revêtements acoustiques nécessaires adaptés aux basses fréquences doit utiliser des géométries particulières et ne peut pas être basée sur des géométries standards. Cela signifie qu'il est nécessaire d'optimiser ces revêtements acoustiques sur la bases de simulations numériques haute fidélité. Cependant, les simulations peuvent être coûteuses en calcul et ne peuvent pas toujours être réalisées. De plus, la limitation du nombre de simulations numériques conduit à limiter l'exploration de domaine paramétrique de conception , ce qui conduit à négliger ou à maintenir constants certains paramètres. Le défi réside dans (i) l'identification et la quantification de toutes les sources connues d'incertitudes et (ii) le développement d'un modèle qui englobe à la fois la variabilité connue et inconnue des conditions d'exploitation pour garantir la robustesse face à ces incertitudes. Générer une base de données étendue grâce à une exploration exhaustive des paramètres de conception via des simulations haute fidélité n'est pas possible. Ainsi, un métamodèle statistique robuste est développé pour modéliser l'impédance du revêtement aéroacoustique paramétré en fonction de la fréquence et des principaux paramètres de conception qui sont les paramètre de contrôle. Ce métamodèle statistique est construit à l'aide d'un petit ensemble de données issues de simulations aéroacoustiques coûteuses en termes de calcul, nécessitant l'utilisation d'un algorithme d'apprentissage, choisi comme l'apprentissage probabiliste sur les variétés (PloM). Malgré le recours à la simulation aéroacoustique à l'aide d'un grand modèle numérique et l'introduction de certaines simplifications, les incertitudes de modélisation sont prises en compte via un modèle probabiliste. Ce modèle est affiné à l'aide de résultats expérimentaux issues de la littérature ouverte. Un métamodèle statistique est développé, offrant des prédictions cohérentes et une région de confiance pour l'impédance paramétrée du revêtement aéroacoustique en présence d'incertitudes. De plus, un métamodèle statistique basé sur un réseau de neurones artificiels (ANN) est introduit comme autre représentation. Il comprend un modèle de probabilité conditionnelle a priori d'une représentation statistique réduite basée sur l'ACP du vecteur constitué de la log-résistance et de la réactance échantillonnées en fréquence. Ce modèle impose des contraintes statistiques, présentant des défis pour l'apprentissage du modèle basé sur ANN à l'aide de méthodes d'optimisation classiques. Une approche alternative consiste à construire un deuxième grand ensemble de données en utilisant des statistiques conditionnelles estimées avec les réalisations apprises de PLoM. Le développement de ces deux métamodèles à faible coût de calcul aborde le bruit basse fréquence pour lequel seul un nombre limité de simulations était disponible, marquant une avancée significative dans l'étude de la réduction du bruit des avions