Le concept du radar MIMO est prometteur en raison des nombreux avantages qu'il apporte par rapport aux architectures radars actuelles : flexibilité pour la formation de faisceau à l'émission - large illumination de la scène et résolution fine après traitement - et allègement de la complexité des systèmes, via la réduction du nombre d'antennes et la possibilité de transférer des fonctions de contrôle et d'étalonnage du système dans le domaine numérique. Cependant, le radar MIMO reste au stade du concept théorique, avec une prise en compte insuffisante des impacts du manque d'orthogonalité des formes d'onde et des défauts matériels.Ce travail de thèse, dans son ambition de contribuer à ouvrir la voie vers le radar MIMO opérationnel, consiste à anticiper et compenser les défauts du monde réel par des traitements numériques. La première partie traite de l'élaboration des formes d'onde MIMO. Nous montrons que les codes de phase sont optimaux en termes de résolution spatiale. Nous présentons également leurs limites en termes d'apparition de lobes secondaires en sortie de filtre adapté. La seconde partie consiste à accepter les défauts intrinsèques des formes d'onde et proposer des traitements adaptés au modèle de signal permettant d'éliminer les lobes secondaires résiduels induits. Nous développons une extension de l'Orthogonal Matching Pursuit (OMP) qui satisfait les conditions opérationnelles, notamment par sa robustesse aux erreurs de localisation, sa faible complexité calculatoire et la non nécessité de données d'apprentissage. La troisième partie traite de la robustesse des traitements vis-à-vis des écarts au modèle de signal, et particulièrement la prévention et l'anticipation de ces phénomènes afin d'éviter des dégradations de performance. En particulier, nous proposons une méthode numérique d'étalonnage des phases des émetteurs. La dernière partie consiste à mener des expérimentations en conditions réelles avec la plateforme radar MIMO Hycam. Nous montrons que certaines distorsions subies non anticipées, même limitées en sortie de filtre adapté, peuvent impacter fortement les performances en détection des traitements dépendant du modèle de signal. / The MIMO radar concept promises numerous advantages compared to today's radar architectures: flexibility for the transmitting beampattern design - including wide scene illumination and fine resolution after processing - and system complexity reduction, through the use of less antennas and the possibility to transfer system control and calibration to the digital domain. However, the MIMO radar is still at the stage of theoretical concept, with insufficient consideration for the impacts of waveforms' lack of orthogonality and system hardware imperfections.The ambition of this thesis is to contribute to paving the way to the operational MIMO radar. In this perspective, this thesis work consists in anticipating and compensating the imperfections of the real world with processing techniques. The first part deals with MIMO waveform design and we show that phase code waveforms are optimal in terms of spatial resolution. We also exhibit their limits in terms of sidelobes appearance at matched filter output. The second part consists in taking on the waveform intrinsic imperfections and proposing data-dependent processing schemes for the rejection of the induced residual sidelobes. We develop an extension for the Orthogonal Matching Pursuit (OMP) that satisfies operational requirements, especially localization error robustness, low computation complexity, and nonnecessity of training data. The third part deals with processing robustness to signal model mismatch, especially how it can be prevented or anticipated to avoid performance degradation. In particular, we propose a digital method of transmitter phase calibration. The last part consists in carrying out experiments in real conditions with the Hycam MIMO radar testbed. We exhibit that some unanticipated encountered distortions, even when limited at the matched filter output, can greatly impact the performance in detection of the data-dependent processing methods.