Les nouvelles générations de radars sont confrontées à des cibles de plus en plus menaçantes. Ces radars doivent effectuer plusieurs tâches en parallèle, dont la veille et la poursuite. Pour cela, ils peuvent être équipés de panneaux fixes, pour éviter les contraintes liées à la rotation de l'antenne. Le pistage du radar doit donc être renouvelé pour répondre à la double difficulté posée par le pistage des cibles très manoeuvrantes et la gestion des ressources. Dans ce contexte, cette thèse étudie de nouvelles méthodes de pistage pour les cibles hyper-manoeuvrantes. Un nouveau modèle de cible, en coordonnées intrinsèques, est proposé. Ce modèle est exprimé directement dans le repère de la cible, afin de décrire au mieux des manoeuvres fortes avec des accélérations normales bien supérieures à la gravité terrestre. Un algorithme de filtrage utilisant la formulation intrinsèque du modèle est développé. Cet algorithme ayant la même structure qu'une filtre de Kalman étendu, il a été testé sur de vraies données. La comparaison avec d'autres algorithmes de filtrage a montré de réelles améliorations sur un ensemble important de trajectoires. Une nouvelle méthode d'estimation, reposant sur la formulation en termes de moindres carrés de l'approche de lissage, et permettant de tenir compte de sauts dans la trajectoire est également proposée, et les bénéfices sur des méthodes plus classiques de sauts entre modèles sont montrés. Indépendamment, le problème de cadence adaptative est également traité. Un algorithme très général permettant d'optimiser la cadence de mesure pour ménager le budget temps du radar pour la surveillance est présenté. / The new generation of radars is facing increasingly threatening targets. These radars are asked to perform several tasks in parallel, including surveillance and tracking. To this aim, they can be equipped with staring antennas, so they overcome the constraints induced by the rotation of the antenna. The tracking function of the radar has thus to be upgraded to respond to the double issue of tracking highly manoeuvring targets and managing the resources to balance time between tasks. In this context, this thesis investigates new means of tracking highly manoeuvring targets. A new target model based on intrinsic coordinates to perform target tracking is proposed. This new target model is expressed in the frame of the target itself, and uses the Frenet-Serret frame, which is well suited to the description of highly dynamic manoeuvres involving normal accelerations that are much larger than earth gravity. A filtering algorithm using the special intrinsic formulation of the target model is developed. This filtering algorithm is very similar in terms of implementation to an Extended Kalman filter, and was implemented using real data. The comparison with standard target models and filtering algorithms show improvements over simple models and algorithms on a large set of trajectories. A new estimation method, relying on the least squares formulation of the smoothing approach, and taking into account kinematic jumps in the trajectory is also developed. This method also shows improvements over a set of common algorithms based on standard manoeuvre detection. And independently, we investigate the issue of update rate adaptation for radar measurements. A very general update rate adaptation algorithm is derived to optimise the time of revisit of each target, allowing to preserve the radar time budget for other tasks simultaneously performed, such as surveillance.