Cet article traite deux volet, le premier volet concerne la détermination des plages de fonctionnement des conditions de coupe par l'application de la méthodologie COM en tournage et en fraisage, dont le premier modèle concerne le tournage, établi et validé par rapport à un essai de référence d'une opération de chariotage sur un acier inoxydable, réalisé par le centre technique de l'industrie de décolletage (CTDEC/France). Le deuxième modèle concerne le fraisage, établi et validé par rapport à un essai de référence d'une opération de surfaçage sur un alliage d'Aluminium AS13, réalisé par l'institut de l'usinage Bretagne UGV (ENS Cachan /France). Le deuxième volet concerne l'optimisation multi-objectif du processus d'usinage basée sur la méthode des plans d'expériences pour différents cas du couple outil-matière : matière (CBN7020-100Cr6, CBN7020-X200Cr12, CC650-100Cr6, CC650-X200Cr12) et dont les modèles sont implémentées sous Matlab utilisant l'algorithme génétique NSGA-II, et d'autres algorithmes stochastiques ont été établis telles que : l'Algorithme de l'Evolution Différentielle (DE), l'Optimisation par Essaims Particulaires (PSO), l'Algorithme de Recuit Simulé (ASA), La méthode des plans d'expériences a été utilisée dans le but de déterminer les modèles mathématiques des fonctions objectives et les contraintes utilisés dans l'optimisation à partir d'un espace de recherche considéré (données de références), et dont l'optimisation concerne (Vc, Ap et ft), en minimisant simultanément la pression spécifique de coupe, la rugosité et le temps de coupe, sous contrainte des limitations techniques liées au système usinant « Pièce-Outil-Machine » ainsi que l'obtention d'un ensemble de solutions Pareto optimales représenté sous forme des courbes 2D, 3D et offrant à l'utilisateur beaucoup de degrés de liberté et de lisibilité pour le choix d'une solution encore plus personnalisé à ses besoins, et satisfaisant trois critères d'optimisation, avec une rapidité constaté de la convergence de l'algorithme génétique NSGA-II vers l'optimal de Pareto (de l'ordre du nombre de générations), implémenter sous Matlab, et dont la comparaison avec les différentes méthodes d'optimisation a permis de consolider et valider les résultats trouvés.