Cette thèse aborde le problème de l’estimation d’état de systèmes dynamiques à entrées inconnues (EI). La première partie de la thèse est consacrée aux observateurs ponctuels. Pour les systèmes linéaires à temps variant (LTV) ou à paramètres variants (LPV) avec EI et bruits gaussiens, un nouvel observateur à minimum de variance est proposé : il affiche des résultats équivalents aux observateurs existants en matière de performance, mais les surpasse par la simplicité de son implémentation et par l’existence d’un résultat de stabilité qui lui est associé. Pour les systèmes linéaires à commutations avec EI, bruits gaussiens et séquence de commutation inconnue, un premier estimateur à minimum de variance est proposé. Pour les systèmes non linéaires, un nouveau filtre de Kalman étendu à EI est proposé: il généralise les résultats existants au cas de systèmes dont l’équation de mesure possède une partie linéaire et une partie non linéaire. Une application à la navigation aérospatiale est proposée. Pour les systèmes LTV et LPV à EI et pertubations à énergie finie, un observateur H∞ est proposé : il généralise et unifie certains résultats existants. La deuxième partie de la thèse est consacrée aux estimations garanties. Dans lecas où les perturbations affectant le système dynamique sont bornées, plusieurs observateurs par intervalle sont construits. Pour des systèmes LPV avec EI, le travail généralise l’existant en relaxant une condition de rang largement utilisée pour le découplage de l’EI. Pour les systèmes linéaires à commutations sans ou avec EI, un observateur par intervalle est proposé pour traiter le cas où la séquence de commutation est inconnue, problème qui n’a jamais été traité jusqu’ici. Finalement, une nouvelle approche d’encadrement de l’état par un observateur algébrique est proposée. / This thesis deals with the problem of state estimation for dynamical systems affected by Unknown Inputs (UI).The first part focuses on point-wise observers. For Linear Time Varying (LTV) or Linear Parameter Varying (LPV) systems with UI and Gaussian noises, a new minimum variance observer is proposed. It equals the existing ones in terms of performance, but overpasses them by its simplicity of implementing and by the existence of an associated stability result. For linear switching systems with Gaussian noises, UI and unknown switching sequence, a first minimum variance estimator is provided. For non linear systems, a new UI Extended Kalman Filter is provided: it generalizes existing results to the case the measurement equation possesses both linear and nonlinear parts. An application for aerospace navigation is proposed. For LTV or LPV systems with UI and finite energy perturbations, an H∞ observer is given : it generalizes and unifies some existing results. The second part focuses on guaranteed set observers. If the perturbations affecting the dynamical system are bounded,several interval observers are provided. For LPV systems with UI, it generalizes some existing results by relaxing a rank condition widely used for UI decoupling. For linear switching systems without or with UI, it provides an interval observer in the case the switching sequence is unknown, which has not been done before. Finally, a new algebraic observer for interval estimation is proposed.