La synthèse de lois de commande efficaces apparaît comme un enjeu important dans la réalisation autonome de tâches de navigation robotiques. Ce problème peut être abordé par différentes approches. L'une d'entre elles, la commande référencée capteur, permet de définir les boucles de commande directement à partir des mesures sensorielles au lieu de les exprimer en fonction de l'état du robot. Dans ce contexte, du fait de la richesse du signal vidéo, la vision apparaît comme un capteur privilégié pour la réalisation de tâches très variées de manière précise. Cependant, la commande référencée vision reposant sur la seule régulation des indices visuels dans l'image s'avère mal adaptée pour réaliser des tâches de navigation complexes dans des environnements encombrés d'obstacles. En effet, dans ce cas, il est nécessaire de garantir d'une part la sécurité du robot, et d'autre part la disponibilité permanente des indices visuels dans l'image. Ce sont précisément ces problèmes que nous avons voulu étudier dans le cadre de cette thèse. Notre contribution a consisté à définir des stratégies de commande référencées multi-capteurs pour un robot mobile réalisant une tâche référencée vision dans un environnement encombré d'obstacles susceptibles d'occulter le motif visuel. Nous avons tout d'abord proposé des lois de commandes permettant d'éviter à la fois les occultations et les collisions. Toutefois, les résultats obtenus ont montré que chercher à éviter simultanément ces deux phénomènes surcontraignait le mouvement du robot, limitant la gamme des missions réalisables. Nous avons alors développé une seconde approche consistant à tolérer temporairement la perte du signal visuel. Celle-ci repose sur l'exploitation de la réversibilité du lien vision/mouvement exprimé par le torseur d'interaction. Nous avons ainsi proposé dans un cadre général plusieurs méthodes (analytiques et numériques) de reconstruction du signal visuel lorsqu'il devient indisponible. Nous avons ensuite validé ch acune de ces méthodes dans le cas de la réalisation d'une tâche de navigation référencée vision dans un milieu encombré d'obstacles. Nous avons également montré l'intérêt de nos approches lorsque la caméra présente un défaut de fonctionnement pendant l'exécution d'une mission.