Cette thèse s’inscrit dans le domaine de la conception et de la réalisation de systèmes intelligents, associés à une technologie de capteurs sol. Elle vise à concevoir un outil automatisé et intelligent destiné à détecter principalement les chutes de personnes âgées en milieu hospitalier, afin de fournir une information supplémentaire au personnel soignant. Premièrement, les différentes technologies de capteurs appliquées aux revêtements de sol ont été étudiées. Parmi les technologies recensées, les capteurs piézoélectriques planaires en polymères ont été retenus pour l’élaboration du système intelligent. Ensuite, la caractérisation de la solution technique retenue a permis de définir les conditions et limites d’utilisation du capteur. Les aspects de robustesse et de durabilités ont été évalués à l’aide de méthodes développées à ces effets. Enfin, des algorithmes de détection ont été développés en vue de détecter les chutes, les pas et la présence de personnes sur des surfaces délimitées par le système. Des stratégies de classification basées sur la corrélation de Pearson, des algorithmes d’apprentissages ou des algorithmes à seuils ont été utilisés. / This thesis is part of the field of design and elaboration of smart systems combined with a flooring sensor technology. The main objective deal with the design of an automated and smart tool to detect falls of elderly people in hospitals or nursing homes, in order to provide additional information to healthcare workers. First, various sensor technologies applied to floor covering have been studied. Among the technologies identified, piezoelectric planar polymer sensors have been chosen for the development of the smart system. Then, the characterization of the validated technical solution allows to define conditions and limits of use of the sensor. The robustness and durability were evaluated using methods that were specifically developed to address these aspects. Finally, detection algorithms have been developed to detect falls, footsteps and presence of people on our sensors. Classification strategies based on Pearson’s correlation, machine learning algorithms or threshold based algorithm have been used.