Le but de nos travaux est de définir des algorithmes permettant de simuler les déplacements de piétons dans un environnement urbain, en temps réel, et de manière crédible. Les modèles existants pour ce type d'exercice sont développés suivant deux types d'approches : microscopiques - les piétons sont modélisés comme des agents autonomes - et macroscopiques - les piétons sont considérés comme soumis à des lois d'écoulement. Selon nous, ces deux approches ne s'opposent pas, mais se complètent mutuellement. Aussi nous inspirons-nous des jeux de congestion et des SMA pour proposer une formulation générique du problème de déplacement de piétons. Nous introduisons la notion de ressource de navigation, décrite comme une région de l'espace que les agents utilisent pour atteindre leurs objectifs, et via lesquelles ils interagissent pour estimer leurs dépenses énergétiques, et nous proposons une stratégie de déplacement basée sur les heuristiques taboues. Le concept d'environnement issu du paradigme SMA s'avère adapté pour appréhender la complexité de la simulation. L'environnement est vu comme un composant indépendant et ontologiquement différent des agents. Une partie de la dynamique de la simulation est ainsi déléguée à l'environnement sans altérer l'autonomie des agents, ce qui favorise la crédibilité des résultats et le passage à l'échelle. Nous comparons notre modèle avec un modèle microscopique standard via plusieurs scénarii de simulation et montrons que notre modèle produit des résultats plus crédibles du point de vue d'un observateur extérieur et plus proches des études empiriques connues du déplacement des piétons. / In this work, we focus on real-time simulation of autonomous pedestrians navigation. Existing models for this purpose tend to diverge on whether to build on pedestrians' characteristics and local interactions - microscopic approaches - or to focus on pedestrians' flow regardless of individual characteristics - macroscopic approaches. Our position is that the two approaches should not be separated. Thus, we introduce a Macroscopic-Influenced Microscopic approach which aims at reducing the gap between microscopic and macroscopic approaches by providing credible walking paths for a potentially highly congested crowd of autonomous pedestrians. Our approach originates from a least-effort formulation of the navigation task, which allows us to consistently account for congestion at every levels of decision. We use the multi-agent paradigm and describe pedestrians as autonomous and situated agents who plan dynamically for energy efficient paths, and interact with each other through the environment. The navigable space is considered as a set of contiguous resources that agents use to build their paths. We emulate the dynamic path computation for each agent with an evolutionary search algorithm that implement a tabu search heuristic, especially designed to be executed in real-time and autonomously. We have compared an implementation of our approach with a standard microscopic model, against low-density and high density scenarios, with encouraging results in terms of credibility and scalability. We believe that microscopic models could be easily extended to embrace our approach, thus providing richer simulations of potentially highly congested crowd of autonomous pedestrians.