Des algorithmes numériques basés sur CVX gratuits et largement répandus sont disponibles pour résoudre des problèmes d'optimisation convexe, mais leur application pour trouver un plan d'expérience optimal est limitée. Les auteurs démontrent l'utilité et la flexibilité des programmes CVX par rapport aux algorithmes traditionnels de statistique pour trouver différents types de plans approximativement optimaux sous un critère convexe pour les modèles non linéaires. Ces programmes sont généralement rapides et faciles à implémenter, quel que soit le modèle et le critère d'optimalité. Les auteurs déterminent les propriétés théoriques des algorithmes et les exploitent pour générer des nouveaux plans A‐, c‐, D‐ et E‐optimaux pour différents modèles non linéaires, y compris des plans optimaux multi‐stades et multi‐objectifs. Ils décrivent les propriétés des plans optimaux et fournissent des exemples de code CVX pour certains de leurs exemples qu'un usager pourrait modifier afin de l'adapter à son problème d'optimisation d'un plan d'expérience. La revue canadienne de statistique 47: 374–391; 2019 © 2019 Société statistique du Canada