Les avancées technologiques récentes ont permis d'intégrer plusieurs milliards de transistors au sein d'une même puce, et ce chiffre ne cesse d'augmenter.Il n'est plus possible depuis quelques années, à cause de limitations physiques, d'augmenter la fréquence de fonctionnement des micro-processeurs.Pour adresser des applications toujours plus complexes, la tendance actuelle consiste à multiplier le nombre de cœurs de calcul.Au-delà d'une dizaine de processeurs, de nombreuses problématiques apparaissent, comme la gestion de la mémoire, les communications,la manière de représenter le calcul ou encore l'ordonnancement de tâches.Pour répondre à ces problématiques, nous avons conçu un calculateur capable d'auto-organiser son architecture interneen fonction de la nature et de la richesse des informations contenues dans l'environnement dans lequel il est placé.Ce contrôleur s'inscrit dans la boucle sensori-motrice d'un robot mobile, illustrant ainsi un large choix d'applications complexes, évoluant dans un environnement dynamique.Il est constitué d'une grille 2D d'éléments de calcul prenant la forme d'une surface reconfigurable, pouvant héberger un processeur ou un accélérateur matériel.L'auto-organisation de l'architecture se manifeste sous la forme d'émergence d'aires de traitement sur la surface de la puce, parmi les éléments de calcul.Le développement et l'évolution de ces aires sont pilotés par un réseau de neurones matériel intégré à la couche de calcul.L'originalité de ce réseau de neurones de type carte auto-organisatrice est d'être complètement distribué, et de disposer d'une connectivité limitée.Nous pensons en effet que ces conditions soient nécessaire pour qu'une architecture puisse passer à l'échelle.Cette couche neuronalle tire ses données d'entrée dans une couche de pré-traitement qui a pour but d'extraire l'information pertinente de l'environnement.Dans le cadre de ces travaux, elle est implémentée sous la forme d'un système de vision bio-inspiré, par ailleurs validé dans un contexte robotique. / Since a few years, due to physical limitations, it has not been possible to increase the micro-processors frequency anymore.To tackle more and more complex applications, the current trend is to increase the number of computation cores.However, beyond tens of cores, some issues emerge.Among them, we can cite memory management, communications, programming or task scheduling.To address these challenges, we have designed a computer which is able to self-organize its own internal architecture dependingon the nature and the richness of the informations sensed in the environment in which it is placed.This computer is part of a sensori-motor loop of a mobile robot, thus allowing a large panel of complex applications, running in a dynamic environment.It is made of a 2D mesh network of processing elements which are reconfigurable surfaces, that can host a processor or a hardware accelerator.The self-organization of the architecture takes the form of the emergence of computation areas on the chip surface, among the processing elements.The developpment and the evolution of these areas are driven by a hardware neural network, integrated in the programmable computation layer.The novelty of this self-organizing map neural network is that it is completely distributed, and that the neurons are sparsely connected.We think indeed that these conditions are necessary for the scalability of an architecture.This neuronal layer takes its inputs from a pre-processing sublayer which extracts the relevant information in the environment.In the context of this work, this layer is implemented as a bio-inspired vision system, also validated in a robotics context.