Cette thèse s’intéresse à la simulation de comportements humains en milieu urbain. Elle se focalise tout particulièrement sur la crédibilité des comportements des agents, telle que jugée par un observateur externe. Pour cela, nos agents sont dotés de capacités d’anticipation, qui leur permet de gagner en efficacité en étant capables d’utiliser des prédictions concernant leur futur proche. Par ailleurs, l’architecture d’agents utilisée se place dans le paradigme des architectures hybrides, mais fait preuve d’une grande innovation par rapport à l’état de l’art en raison de son organisation résolument modulaire, permettant une grande généricité du modèle. En effet, l’architecture fonctionne avec un système de modules de haut-niveau, étant vu comme des boîtes noires par le reste de l’architecture. Leur nombre et leur modélisation interne sont donc entièrement libres. Cette généricité est très intéressante, puisque le domaine de la simulation urbaine touche de très nombreux domaines applicatifs (urbanisme, transport, jeu vidéo, sécurité, etc.) ayant des contraintes différentes. Un modèle d’agent générique permet de s’adapter à l’application désirée. Cette généricité pose néanmoins un problème lié à l’intégration et au traitement d’un grand nombre de comportements hétérogènes au sein d’un même processus décisionnel, problème que nous traitons grâce à un mécanisme de composition de comportements. Pour finir, notre architecture permet d’assurer le passage à l’échelle en servant de plusieurs niveaux de détail dans la modélisation des agents. / This thesis deals about human behaviors simulation in an urban context. We focus on the behavior believability (as judged as external observers). That is why our agent have some anticipatory skills, which allow them to use predictions about their near future. Our architecture is a hybrid one, which is very innovative because of its functioning with « high-level modules », which are seen as black-box from the rest of the architecture. Their number and intern modeling are completely free. This makes our architecture very modular and generic, and it is important because the urban simulation domain has many different applications (urbanism, video games, security, etc.), with different constraints. However, this genericity brings another problem, which is the integration of several heterogeneous behavior into the same decisional process. This issue is addressed thanks to a behavior composition mechanism. To conclude, we ensure the scaling up of our architecture with the creation of several levels of detail in the agents modeling.