Le sujet de la thèse est la poursuite de plusieurs cibles, qui évoluent de manière indépendante, à partir de mesures recueillies par des capteurs ponctuels ou sous la forme d’une image-radar. Les algorithmes étudiés entrent dans la catégorie des filtres particulaires. Dans une première partie, on compare deux algorithmes proposés dans la littérature pour la poursuite multi-cibles. L’algorithme ATRAPP proposé par Ubeda-Medina et al. permet en particulier de générer des particules multi-cibles brassées (un vecteur multi-cibles dans lequel chaque cible est possiblement répliqué à partir d’une particule multi-cibles différente), au prix d’une hypothèse d’indépendance a posteriori des cibles, presque jamais vérifiée dans les situations pratiques. Dans une deuxième partie, on introduit un algorithme original, utilisant une transition markovienne auxiliaire et généralisant le principe du filtre particulaire auxiliaire. Dans le contexte de la poursuite multi-cibles, ce nouvel algorithme permet de générer des particules multi-cibles brassées, sans hypothèse d’indépendance a posteriori. Le choix optimal des paramètres de conception (poids auxiliaire, matrice ou densité de transition auxiliaire) est discuté. L’utilisation d’une densité de transition auxiliaire permet de diversifier plus largement les particules multi-cibles et de diminuer encore la variance. Le choix optimal se réduit à la résolution numérique de problèmes d’optimisation continus. Dans le cas particulier, important en pratique, où la dynamique des cibles est linéaire gaussienne, on montre que ces problèmes sont fortement convexes.