Le domaine du traitement de flux de données (ou stream processing (SP)) a émergé comme une réponse au besoin de développer et de déployer des applications pour le traitement en temps-réel de données générés en continu. Alors qu’aujourd’hui les outils du stream processing ont atteint un degré de maturité et d’utilisabilité significatifs leur permettant de gérer un grand volume de donnés en temps réel, ils ne sont pas adaptés aux plates-formes géographiquement distribuées, comme celles supportant le Fog computing. Les travaux décrits dans cette thèse contribuent à construire des plates-formes pour le Fog computing spécialisées pour le traitement de flux de données, à renforcer leurs propriétés de passage à l’échelle, d’autonomie et de programmabilité. Premièrement, en terme de passage à l’échelle, et afin d’avancer vers la possibilité de déploiement d’applications de traitement de flux de données sur des plates-formes de type Fog, nous proposons un nouveau modèle architectural fondé sur la coordination de plusieurs sites de calcul, au- dessus desquels une application pourra être déployée de façon unifiée. Deuxièmement, sur l’aspect autonomie, et afin de gérer le temps d’exécution de l’application après son déploiement initial, nous proposons un mécanisme d’adaptation dans lequel les sites de calcul collaborent pour assurer la reconfiguration efficace du déploiement de l’application. Enfin, ces travaux explorent le versant pratique de la problématique. Nous discutons la conception générique et l’implémentation dans un contexte réel de ville intelligente d’un nœud de calcul pour le Fog.