Depuis 1978, le système ARGOS assure à l'échelle mondiale la collecte de données et la localisation de plateformes pour des applications liées au suivi d'animaux, à l'océanographie et à la sécurité maritime. La localisation exploite le décalage Doppler affectant la fréquence de porteuse des messages émis par les plateformes et réceptionnés par des satellites dédiés. Au cours des vingt dernières années, les puissances d'émission des plateformes se sont réduites pour des conditions d'utilisation toujours plus extrêmes, augmentant le nombre de localisations de moindre qualité. Paradoxalement, les utilisateurs ont cherché à identifier des comportements à des échelles de plus en plus petites. L'objectif de ce projet est de développer un algorithme de localisation plus performant dans le contexte actuel afin de remplacer le traitement temps réel historique basé sur un ajustement par moindres carrés. Un service hors ligne, permettant de déterminer des localisations encore plus précises, est proposé dans un second temps. Le problème est reformulé comme l'estimation de l'état d'un système dynamique stochastique, tenant compte d'un ensemble de modèles de déplacement admissibles pour les plateformes. La détermination exacte de la loi a posteriori de l'état présente alors une complexité exponentiellement croissante avec le temps. Le filtre "Interacting Multiple Model" (IMM) est devenu l'outil standard pour approximer en temps réel la loi a posteriori avec un coût de calcul constant. Pour des applications hors ligne, de nombreuses solutions sous-optimales de lissage multi-modèle ont aussi été proposées. La première contribution méthodologique de ce travail présente l'extension du cadre initial de l'IMM à un ensemble de modèles hétérogènes, c.-à-d. dont les vecteurs d'état sont de tailles et de sémantiques différentes. En outre, nous proposons une nouvelle méthode pour le lissage multi-modèle qui offre une complexité réduite et de meilleures performances que les solutions existantes. L'algorithme de localisation ARGOS a été réécrit en y incorporant le filtre IMM en tant que traitement temps réel et le lisseur multi-modèle comme service hors ligne. Une étude, menée sur un panel de 200 plateformes munies d'un récepteur GPS utilisé comme vérité terrain, montre que ces stratégies améliorent significativement la précision de localisation quand peu de messages sont reçus. En outre, elles délivrent en moyenne 30% de localisations supplémentaires et permettent de caractériser systématiquement l'erreur de positionnement.