Dans le domaine des télécommunications sans fil, les domaines applicatifs sont de plus en plus larges, s’étendant par exemple du grand public, à la voiture connectée, à l’internet des objets (IoT Internet of Things) et à l’industrie 4.0. Dans ce dernier cas, l’objectif est d’aboutir à une flexibilité et à une versatilité accrues des chaînes de production et à une maintenance prédictive des machines, pour ne citer que quelques exemples. Cependant, les réseaux sans fil actuels ne sont pas encore en mesure de répondre aux nombreuses lacunes de la quatrième génération des réseaux mobiles (4G) et aux exigences de la 5G quant à une connectivité massive, une ultra fiabilité et des temps de latence extrêmement faibles. L’optimisation des ressources spectrales est également un point très important. La 5G était initialement considérée comme une évolution, rendue possible grâce aux améliorations apportées à la LTE (Long Term Evolution), mais elle ne tardera pas à devenir une révolution et une avancée majeure par rapport aux générations précédentes.Dans ce cadre, la technologie des réseaux massifs ou Massive MIMO (Multiple-Input Multiple-Output) s’est imposée comme l’une des technologies de couche physique les plus prometteuses. L'idée principale est d'équiper les stations de base de grands réseaux d’antennes (100 ou plus) pour communiquer simultanément avec de nombreux terminaux ou équipements d’utilisateurs. Grâce à un prétraitement intelligent au niveau des signaux d’émission, les systèmes Massive MIMO promettent d’apporter une grande amélioration des performances, tout en assurant une excellente efficacité spectrale et énergétique. Cependant certains défis doivent encore être relevés avant le déploiement complet des communications basées sur le massive MIMO. Par exemple, l’élaboration de modèles de canaux représentatifs de l’environnement réel, l'impact de la diversité de polarisation, les stratégies de sélection optimale d’antennes et l'acquisition d'informations d'état du canal, sont des sujets importants à explorer. En outre, une bonne compréhension des canaux de propagation en milieu industriel est nécessaire pour optimiser les liens de communication de l'industrie intelligente du futur.Dans cette thèse, nous essayons de répondre à certaines de ces questions en nous concentrant sur trois axes principaux :1) La caractérisation polarimétrique des canaux massive MIMO en environnement industriel. Pour cela, on étudie des scénarios correspondant à des canaux ayant ou non une visibilité directe entre émetteur et récepteur (Line of Sight – LOS) ou Non LOS, et en présence de divers types d’obstacles. Les métriques associées sont soit celles utilisées en propagation telles que le facteur de Rice et la corrélation spatiale, soit orientées système comme la capacité totale du canal incluant des stratégies de précodage linéaire. De plus, les schémas de diversité de polarisation proposés montrent des résultats très prometteurs.2) En massive MIMO, un objectif important est de réduire le nombre de chaînes de fréquences radio et donc la complexité du système, en sélectionnant un ensemble d'antennes distribuées. Cette stratégie de sélection utilisant la corrélation spatiale du récepteur et une métrique de propagation comme facteur de mérite, permet d'obtenir une capacité totale quasi-optimale.3) Une technique efficace de réduction des ressources lors de l’acquisition d’informations du canal de propagation dans les systèmes FDD (frequency-division-duplex) est enfin proposée. Elle repose sur la corrélation spatiale au niveau de l'émetteur et consiste à résoudre un ensemble d'équations auto-régressives simples. Les résultats montrent que cette technique permet d’atteindre des performances qui ne sont pas trop éloignées de celles des systèmes TDD (time-division-duplex) initialement proposés pour le massive MIMO. / Continuous efforts have been made to boost wireless systems performance, however, current wireless networks are not yet able to fulfill the many gaps from 4G and requirements for 5G. Thus, significant technological breakthroughs are still required to strengthen wireless networks. For instance, in order to provide higher data rates and accommodate many types of equipment, more spectrum resources are needed and the currently used spectrum requires to be efficiently utilized. 5G, or the fifth generation of mobile networks, is initially being labeled as an evolution, made available through improvements in LTE, but it will not be long before it becomes a revolution and a major step-up from previous generations. Massive MIMO has emerged as one of the most promising physical-layer technologies for future 5G wireless systems. The main idea is to equip base stations with large arrays (100 antennas or more) to simultaneously communicate with many terminals or user equipments. Using smart pre-processing at the array, massive MIMO promises to deliver superior system improvement with improved spectral efficiency, achieved by spatial multiplexing and better energy efficiency, exploiting array gain and reducing the radiated power. Massive MIMO can fill the gap for many requirements in 5G use-cases notably industrial IOT (internet of things) in terms of data rates, spectral and energy efficiency, reliable communication, optimal beamforming, linear processing schemes and so on. However, the hardware and software complexity arising from the sheer number of radio frequency chains is a bottleneck and some challenges are still to be tackled before the full operational deployment of massive MIMO. For instance, reliable channel models, impact of polarization diversity, optimal antenna selection strategies, mutual coupling and channel state information acquisition amongst other aspects, are all important questions worth exploring. Also, a good understanding of industrial channels is needed to bring the smart industry of the future ever closer.In this thesis, we try to address some of these questions based on radio channel data from a measurement campaign in an industrial scenario using a massive MIMO setup. The thesis' main objectives are threefold: 1) Characterization of massive MIMO channels in Industry 4.0 (industrial IoT) with a focus on spatial correlation, classification and impact of cross-polarization at transmission side. The setup consists in multiple distributed user-equipments in many propagation conditions. This study is based on propagation-based metrics such as Ricean factor, correlation, etc. and system-oriented metrics such as sum-rate capacity with linear precoding and power allocation strategies. Moreover, polarization diversity schemes are proposed and were shown to achieve very promising results with simple allocation strategies. This work provides comprehensive insights on radio channels in Industry 4.0 capable of filling the gap in channel models and efficient strategies to optimize massive MIMO setups. 2) Proposition of antenna selection strategies using the receiver spatial correlation, a propagation metric, as a figure of merit. The goal is to reduce the number of radio frequency chain and thus the system complexity by selecting a set of distributed antennas. The proposed strategy achieves near-optimal sum-rate capacity with less radio frequency chains. This is critical for massive MIMO systems if complexity and cost are to be reduced. 3) Proposition of an efficient strategy for overhead reduction in channel state information acquisition of FDD (frequency-division-duplex) systems. The strategy relies on spatial correlation at the transmitter and consists in solving a set of simple autoregressive equations (Yule-Walker equations). The results show that the proposed strategy achieves a large fraction of the performance of TDD (time-division-duplex) systems initially proposed for massive MIMO.