Un programme quadratique en variables binaires possède des propriétés très particulières. Il peut être linéarisé, c’est à dire reformulé en un programme linéaire en variables binaires, par augmentation du nombre de variables. Il peut aussi être convexifié, c’est à dire reformulé en un programme quadratique convexe en variables binaires, par un simple calcul de valeur propre extrême. Qu’il soit linéarisé ou convexifié, le problème reformulé peut alors être résolu par un Branch-and-Bound basé sur la relaxation continue. Ces deux paradigmes sont connus depuis plusieurs décennies mais aucun des deux ne permet d’obtenir efficacement l’optimum, en dehors d’instances de petite taille ou de faible densité. Nous montrons que la Reformulation Quadratique Convexe permet de mettre en commun les deux paradigmes pour les renforcer tous les deux et autoriser la résolution exacte de bien plus larges instances. Nous étendons ensuite cette approche au cas où les variables sont des entiers ou des réels dans un intervalle. Nous montrons qu’elle peut également s’appliquer à l’optimisation polynomiale en variables binaires, après une phase de quadratisation. Enfin, nous reportons l’utilisation de cette approche à un problème d’Optimisation de Flux de Puissances dans un réseau de transport de l’électricité.