De nos jours, les applications utilisant des quadrirotors autonomes sont en plein essor. La surveillance et la sécurité de sites industriels ou sensibles, de zones géographiques pour l’agriculture par exemple sont quelques-unes des applications les plus célèbres des véhicules aériens sans pilote (UAV). Actuellement, certains chercheurs et scientifiques se concentrent sur le déploiement multi-drones pour l’inspection et la surveillance de vastes zones. L’objectif de cette thèse est de concevoir des algorithmes afin de réaliser une commande de vol en formation distribuée/décentralisée de multi-UAVs en temps réel dans une perspective de systèmes de systèmes. Tout d’abord, nous avons passé en revue certains travaux récents de la littérature sur la commande de vol en formation et la commande de quadrirotors. Nous avons présenté une brève introduction sur les systèmes de systèmes, leur définition et leurs caractéristiques. Ensuite, nous avons introduit la commande de vol en formation avec ses structures les plus utilisées dans la littérature. Nous avons alors présenté quelques travaux existants traitant du flocking (comportement de regroupement en flotte), les méthodes de modélisation les plus utilisés pour les quadrirotors et quelques approches de commande les plus utilisées pour stabiliser des quadrirotors. Deuxièmement, nous avons utilisé la structure de la commande comportementale pour réaliser un vol en formation de plusieurs UAVs. Nous avons conçu un comportement pour réaliser le vol en formation de multi-UAVs sans fragmentation. Le comportement proposé traite le problème flocking dans une perspective globale, c’est-à-dire, nous avons inclus une tendance dans chaque drone pour former une formation. Les défis des Systèmes de systèmes nous a motivés à chercher des algorithmes de flocking et de consensus introduits dans la littérature qui peuvent être utiles pour répondre à ces défis. Cela nous a amenés à proposer quatre lois de commande en visant à être compatibles avec le modèle non linéaire des quadrirotors et pouvant être expérimentés sur des plates-formes réelles. Les lois de commande ont été exécutées à bord de chaque quadrirotor dans la formation et chaque quadrirotor interagit avec ses voisins pour assurer un vol en formation sans collision. Enfin, nous avons validé nos lois de commande par des simulations et des expériences en temps réel. Pour la simulation, nous avons utilisé un simulateur de multi quadrirotors développé au laboratoire Heudiasyc. Pour les expériences, nous avons mis en œuvre nos lois de contrôle sur des quadrirotors ArDrone2 évolués dans un environnement intérieur équipé d’un système de capture de mouvement (Optitrack). / Nowadays, applications of autonomous quadrotors are increasing rapidly. Surveillance and security of industrial sites, geographical zones for agriculture for example are some popular applications of Unmanned Aerial Vehicles (UAVs). Nowadays, researchers and scientists focus on the deployment of multi-UAVs for the inspection and the surveillance of large areas. The objective of this thesis is to design algorithms and techniques to perform a real-time distributed/decentralized multi-UAVs flight formation control, from a system of systems perspective. Firstly, we reviewed recent works of the literature about flight formation control and the control of quadrotors. We presented a brief introduction about systems of systems, their definition and characteristics. Then, we introduced the flight formation control with its most used structures in the literature, some existing works dealing with flocking. Finally, we presented the most used modeling methodologies for quadrotors and some control approaches that are used to stabilize quadrotors. Secondly, we used the behavioral-based control structure to achieve a multiple UAV flocking. We conceived a behavior intending to address the control design towards a successful achievement of the flocking task without fragmentation. The proposed behavior treats the flocking problem from a global perspective, that is, we included a tendency of separated UAVs to form a flock.System of systems challenges motivated us to look for flocking and consensus algorithms introduced in the literature that could be helpful to answer to these challenges. This led us to propose four flocking control laws aiming at being compatible with the nonlinear model of quadrotors and at being implemented on experimental platforms. The control laws were run aboard each quadrotor in the flock. By running the control law, each quadrotor interacts with its neighbors to ensure a collision-free flocking. Finally, we validated our proposed control laws by simulations and real-time experiments. For the simulation, we used a PC-based simulator of flock of multiple quadrotors which was developed at Heudiasyc laboratory. For experiments, we implemented our control laws on ArDrone2 quadrotors evolved in an indoor environment equipped with an Optitrack motion capture system.