Les processus optiques non linéaires jouent un rôle central dans des domaines variés tels que la métrologie optique, l’imagerie et l’information quantique. Cependant, leur maîtrise demeure complexe en raison du manque de flexibilité des sources optiques conventionnelles et de leur sensibilité accrue aux conditions expérimentales. Cette sensibilité engendre l’apparition de contributions parasites, rendant critiques les notions de reconfigurabilité, de répétabilité et de reproductibilité des expériences. Les avancées récentes en intelligence artificielle (IA), notamment dans les domaines de l’optimisation et de la reconnaissance d’images, ont démontré l’efficacité des algorithmes d’apprentissage machine pour résoudre des problèmes complexes. Ainsi, l’intégration de ces techniques dans l’optimisation des processus non linéaires en optique guidée ouvre de nouvelles perspectives prometteuses. Ces travaux de thèse visent au développement de sources optiques adaptatives pilotées par apprentissage machine. Ces sources « intelligentes » permettraient d’ajuster automatiquement les propriétés de la lumière émise en fonction des résultats visés, offrant un contrôle accru sur les processus optiques non linéaires. Ce travail ambitionne ainsi de répondre aux défis inhérents à la maîtrise de ces phénomènes complexes tout en posant les bases de nouvelles applications dans les sciences optiques.