Les systèmes complexes interviennent dans de nombreux secteurs d'activité du domaine industriel tels que la mécanique, l'électromécanique, la thermique, l'aérospatiale, la robotique, la biotechnologie, etc., L'asservissement de ces systèmes fait une partie importante des préoccupations actuelles des grandes unités de recherches en automatique et automatisation des procédés industriels à l'échelle internationale. Dans cette étude, une plate forme allant de la modélisation à la base de la commande automatique en temps réel a été développée et mise en ouvre pour ces systèmes. Une nouvelle approche de modélisation numérique des systèmes complexes en vue de leur commande en tempe réel a été proposée et formulée. En se basant sur l'exploitation des Fonctions Opératoires (FOs), le but de cette approche est d'adapter la structure et la paramétrisation du Modèle Interne (MI) ou de connaissance au processus de commande en temps réel. Ces fonctions ont été conçues pour qu'elles deviennent des outils efficaces pour l'estimation d'état et la prédiction des paramètres de la commande. Autrement dit, elles contiennent les informations nécessaires sur le système (caractère non linéaire, changement de phase, interaction interne, etc.) et sur le processus de commande (paramètres de la commande, perturbation, etc.). Un algorithme original d'identification et d'identification en ligne des modèles paramétriques multivariables dans des espaces multidimensionnels a été conçu et incorporé dans la plate-forme. Les contributions majeures de ce nouvel algorithme sont l'identification paramétrique, l'optimisation non linéaire, l'optimisation sous contraintes et l'incertitude paramétrique. Ses performances principales sont la configuration du réseau d'acquisition des données, la minimisation du temps de calcul et la grande précision. Cet algorithme peut être efficacement utilisé pour l'identification et l'ajustement des modèles multivariables avec un grand nombre de paramètres, les modèles de grandes incertitudes etc. Une nouvelle approche appelée Familles des Solutions Dynamiques (FSDs) a été développée comme base de la commande automatique en tempe réel des systèmes complexes. En se basant sur l'utilisation du MI identifié, nous avons conçu une nouvelle technique pour le développement des familles de trajectoires (cibles), des FOs (modèles) et des paramètres de la commande. Une banque mble de données cibles a été créée autour de l'état réel du System asservi pour une estimation d'état en ligne et une future prédiction de la commande automatique en temps réel. Ces familles sont caractérisées par leur stabilité exponentielle (asymptotique), convergence spatiotemporelle et la haute précision. Les FSDs constituent une base complète pour la commande à paramètres répartis et font une approche prometteuse dans le futur de l'automatique et l'automatisation des systèmes industriels de haute performance. / The complex Systems are implied in several modem industrial sectors such as mechanical engineering, mechatronic, aerospace, robotic, thermal engineering, chemical and nuclear engineering, biotechnology, etc. The real time control of these Systems is making the current interests of the advanced international research teams in the automatic and automation of industrial processes. In this thesis, a complete network of the numerical modeling, identification and online identification for a basis of real time automatic control of complex Systems was developed, implemented and tested. A new approach of numerical modeling for the real time control of complex Systems was proposed and formulated. Basing on the use of Operating functions (OFs) and the measures, the aim of this approach is to adapt the structure and the parameterization of the mathematical model or Internal Model (IM) to the real time control process. The OFs were conceived in order to become effective tools of the state estimation and the control prediction. In other words, these functions contain necessary information about the controlled System (nonlinear character, internal interaction, etc.) and the control process (control parameters, disturbances, etc). An original algorithm of identification and online identification of the multivariable models in multidimensional spaces was conceived and incorporated in the network. The major contributions of this algorithm are the online identification, nonlinear optimization, optimization under constraints and parametrical uncertainty. Its principal performances are the fast convergence, the minimal Computing time and the high precision. This algorithm is effectively used for the identification and adjustment of multivariable models, models with a great number of parameters and the models with a high uncertainty. A new basis called the Dynamic Families of Solutions (DFSs) was developed for the real time automatic control of the complex Systems. Using the identified IM, we have conceived a new technique for the development of complete families of tracking trajectories (targets or references) with the corresponding OFs (models) and the necessary control parameters (inputs). These families are characterized by the exponential (asymptotic) stability, fast convergence and high precision. The DFSs were developed as a complete basis for the real time automatic control of complex Systems and they constitute a promising approach in the automatic and automation of the industrial complex Systems such as the distributed parameter control.