Dans le domaine de l'Interaction Homme-Robot, et plus particulièrement dans le domaine de la robotique sociale, les robots compagnons font de plus en plus partie de notre vie quotidienne et ont un grand potentiel pour aider les gens dans leurs activités quotidiennes, speciallement dans le cas d'une interaction "one to one". Ce scénario où les robots partagent le même environnement avec les humains et interagissent avec eux peut être bénéfique mais il peut aussi présenter des effets négatifs, comme générer un stress sur les utilisateurs humains, c'est aussi le cas de l'effet de la facilitation sociale, abordé au début de ce travail.Avoir des robots qui nous aident dans nos activités quotidiennes conduit à la nécessité de les doter de capacités sociales afin d'adapter leur comportement à leurs utilisateurs, leur environnement et leurs tâches. Néanmoins, comment réaliser cette adaptation reste un défi.Afin de répondre à ces questions de recherche, "Comment atteindre l'apprentissage tout au long de la vie et l'adaptation pour l'interaction humaine-robot personnalisée?" et "Quel est le rôle de la personnalité, de la mémoire et de l'orientation réglementaire dans HRI?", nous proposons l'utilisation du modèle "Big 5 traits" de personnalité afin d'adapter le comportement du robot au profil des utilisateurs. De plus, notre système contient une implémentation du modèle OCC et une mémoire de type épisodique, afin de générer un comportement naturel, capable de se souvenir des événements passés et de se comporter en conséquence. Nous présentons plusieurs études expérimentales, où nous testons notre système, et où nous analysons le lien entre les traits de personnalité de l'utilisateur humain et le comportement du robot. La contrainte générée sur les utilisateurs a été mesurée en utilisant des capteurs externes tels qu'une caméra thermique et un capteur GSR. Notre système proposé s'est révélé efficace pour générer un comportement de robot adapté à la personnalité des utilisateurs. Nous avons trouvé quelques relations entre la personnalité, les préférences de l'utilisateur et la performance de la tâche, qui sont détaillées dans ce travail. Nos études ont montré que les personnes ayant un haut niveau de conscience ont une meilleure performance que les personnes peu consciencieuses. En outre, les personnes introverties étaient plus influencées pour effectuer une tâche que les personnes extraverties. En outre, nous avons observé une augmentation du stress de l'utilisateur, causée par un robot avec une voix semblable à une machine.En plus de s'adapter aux préférences des utilisateurs, nous voulions que notre système soit capable de générer des comportements de robot capables depersuader efficacement leurs utilisateurs d'accomplir les tâches qu'ils doivent accomplir (prendre des médicaments, appeler des membres de la famille, etc.). Pour cette raison, nous proposons l'utilisation de la théorie Regulatory Focus, qui se concentre sur les inclinations que les gens ont lorsqu'ils prennent des décisions, et comment augmenter la motivation des gens à atteindre un objectif. Nous avons mené plusieurs expériences afin de valider cette théorie dans le contexte de l'interaction homme-robot. Nos résultats montrent que les comportements de robot basés sur la théorie de la focalisation réglementaire, y compris les gestes corporels et la vitesse de la parole, sont efficaces pour persuader les utilisateurs d'accomplir une tâche. Nous avons également constaté une augmentation du stress chez les utilisateurs lorsque le robot ne correspondait pas à l'état réglementaire de l'utilisateur.Nous concluons que les sujets abordés dans cette thèse, à savoir: personnalité, mémoire et focus réglementaire, doivent être inclus dans la conception des comportements des robots, afin d'avoir des robots plus efficaces sur les tâches persuasives, et moins stressant pour leurs utilisateurs . / In the domain of Human-Robot Interaction, and more specifically in the social robotics field, companion robots are more and more part of our daily lives and they have a great potential for helping people in their daily activities, especially in tasks that need one-on-one interaction. This scenario where robots are sharing the same environment with the humans and interact with them can be beneficial but it can also present some negative effects like generating stress on the human users, this is also the case of the social facilitation effect, aborded at the beggining of this work.Having robots helping us with our daily activities leads to the need of endowing them with social capabilities in order to adapt their behavior to their users, environment, and tasks. Nevertheless, how to achieve this adaptation remains a challenge.In order to address these research questions, "How to achieve lifelong learning and adaptation for personalized Human-Robot Interaction?" and "What is the role of personality, memory, and regulatory focus in HRI?",we propose the use of the Big 5 personality traits model in order to adapt the robot's behavior to the profile of the users. Moreover, our system contains an implementation of the OCC Model, and an Episodic-like Memory, in order to generate a natural behavior, being capable of remembering past events and behaving accordingly. We present several experimental studies, where we test our system, and where we analyze the link between the human user's personality traits and robot's behavior. The generated stress on the users was measured by using external sensors such as a thermal camera and a GSR sensor. Our proposed system showed to be effective in generating a robot behavior adapted to users personality. We found some relations between personality, user preferences and task performance, which are detailed in this work. Our studies showed that people with high conscientiousness have greater task performance than people with low conscientiousness. Also, that introverted people were more influenced to perform a task than extroverted people. Also, we observed an increase on user stress, caused by a robot with a machine-like voice.Besides of adapting to the users preferences, we wanted our system to be able to generate robot behaviors capable ofpersuading effectively their users in achieving the tasks they need to do (i.e. taking medication, calling family members, etc). For this reason, we propose the use of the Regulatory Focus theory, which concentrate on the inclinations that people have when taking decisions, and how to increase the motivation on people to achieve an objective. We conducted several experiments in order to validate this theory in the context of human-robot interaction. Our results show that robot behaviors based on the Regulatory Focus Theory, including body gestures and speech speed, are effective in persuading users to accomplish a task. We also found an increase on user stress when the robot did not match the user Chronic Regulatory State.We conclude that the topics aborded on this thesis, that is to say: Personality, Memory and Regulatory Focus, have to be included in the design of robot behaviors, ir order to have more efficient robots on persuasive tasks, and less stressing to their users.