Nous abordons le probleme de la recherche independante du modele pour la Nouvelle Physique (NP), au Grand Collisionneur de Hadrons (LHC) en utilisant le detecteur ATLAS. Une attention particuliere est accordee au developpement et a la mise a l'essai de nouvelles techniques d'apprentissage automatique a cette fin. Le present ouvrage presente trois resultats principaux. Tout d'abord, nous avons mis en place un systeme de surveillance automatique des signatures generiques au sein de TADA, un outil logiciel d'ATLAS. Nous avons explore plus de 30 signatures au cours de la periode de collecte des donnees de 2017 et aucune anomalie particuliere n'a ete observee par rapport aux simulations des processus du modele standard. Deuxiemement, nous proposons une methode collective de detection des anomalies pour les recherches de NP independantes du modele au LHC. Nous proposons l'approche parametrique qui utilise un algorithme d'apprentissage semi-supervise. Cette approche utilise une probabilite penalisee et est capable d'effectuer simultanement une selection appropriee des variables et de detecter un comportement anormal collectif possible dans les donnees par rapport a un echantillon de fond donne. Troisiemement, nous presentons des etudes preliminaires sur la modelisation du bruit de fond et la detection de signaux generiques dans des spectres de masse invariants a l'aide de processus gaussiens (GPs) sans information prealable moyenne. Deux methodes ont ete testees dans deux ensembles de donnees: une procedure en deux etapes dans un ensemble de donnees tire des simulations du modele standard utilise pour ATLAS General Search, dans le canal contenant deux jets a l'etat final, et une procedure en trois etapes dans un ensemble de donnees simulees pour le signal (Z') et le fond (modele standard) dans la recherche de resonances dans le cas du spectre de masse invariant de paire superieure. Notre etude est une premiere etape vers une methode qui utilise les GPs comme outil de modelisation qui peut etre applique a plusieurs signatures dans une configuration plus independante du modele. (auteur)