Aujourd'hui, l'intelligence artificielle (IA) est une composante essentielle d'un jeu vidéo et de plus en plus d'efforts sont portés sur cet aspect afin de rendre les jeux plus ludiques et plus immersifs. Cette amélioration va cependant de pair avec une augmentation sans cesse croissante des ressources informatiques nécessaires au fonctionnement de l'IA. De fait, il arrive que ces besoins soient si importants qu'ils dégradent le taux de rafraîchissement (TR) du jeu et ainsi la qualité d'expérience (QoE) du joueur. Dans ce contexte, notre objectif est de de maintenir le TR au dessus d'un certain seuil en modulant la quantité de ressources requises par l'IA. Pour ce faire, nous proposons de donner la possibilité au programmeur de définir plusieurs niveaux de détails pour l'IA (Level Of Details LOD), à l'instar de ce qui se fait pour afficher une scène graphique.Les travaux utilisant ce type d'approches proposent généralement d'utiliser des critères de distance à la caméra et de visibilité. Cependant, élaborés dans le contexte du rendu graphique, ces critères sont finalement assez peu adaptés au contexte IA car ils ne permettent pas toujours de rendre compte de l'importance réelle d'un personnage pour le joueur. Dans cette thèse, nous proposons d'utiliser des concepts organisationnels tels que le groupe et le rôle pour définir l'importance d'un personnage pour l'IA. De cette façon, un jeu vidéo est considéré comme une société d'agents (les personnages du jeu) dont l'importance individuelle ou collective est déterminée en fonction de leurs positions dans l'organisation, ce qui permet de déterminer une distribution des ressources de calcul disponibles adaptée : les entités les plus importantes dans l'histoire du jeu sont privilégiées.Notre approche a été implémentée et intégrée au moteur de jeu AGDE (Moteur Agent de développement du jeu). L'évaluation expérimentale a été réalisée à l'aide d'un système de mesures répétées pour évaluer la différence entre les QoE d'un jeu avec et sans notre approche. / In recent years there have been many efforts to develop original video games by improving both their aesthetic and mechanics. The more the mechanics is rich and realistic, the more advanced models of programming are required. However, using advanced models of programming such as agent-oriented programming often comes with an overhead in terms of computational resources. Furthermore, this overhead on computational resources may degrade the frame rate and subsequently quality of experience (QoE) for the players.In this context, our aim is to propose the QoE support means for ensuring that, in any case, the frame rate does not fall below a given lower bound. We suggest adapting the amount of time allocated for agents depending upon the importance of their organization roles. In this regard, we use a level of detail (LoD) approach to compute the dynamics of the game.LoD in game AI is based on the idea to use the most of the computational effort on the game characters that are the most important to the player(s). One critical issue in LoD for game AI is to determine the criterion for defining the importance of game characters. Existing work propose to use the criteria of camera distance and visibility. However such criteria have been developed from the perspective of graphics. In this thesis, we have used the roles played by the game characters (in the context of a video game) as the criterion for determining their importance. In this way, a video game has been considered as an agent society, where the game characters get priority and relatively higher share in distribution of the computational resources based on their relative importance in the game story.Our approach has been implemented and integrated to the AGDE (Agent Game Development Engine) game engine. The experimental evaluation has been carried out using a repeated measure scheme to assess the difference in QoE metrics between a game implemented our approach and a control game. The null hypothesizes have been rejected using t-paired test: the players have found significant positive difference in the QoE.