Cette thèse propose une approche pour générer un mouvement corps complet avec contacts non coplanaires, permettant à un robot de se déplacer dans un environnement, de manipuler des objets complexes ou de collaborer avec différents agents. Les méthodes développées dans cette thèse tentent de prendre en compte une grande variété de robots, de l'humanoïde au manipulateur à base fixe en passant par les objets sous actionnés. En premier lieu, nous abordons le problème du choix des positions des points de contacts qu'un robot sous-actionné doit prendre pour se déplacer dans l'environnement. Nous calculons, en un seul problème d'optimisation non-linéaire, une séquence de postures qui satisfait une séquence de contacts donnés. Cette formulation permet de trouver la position des contacts optimale, car le choix de la position d'un contact d'une posture va prendre en compte les postures précédentes et suivantes. Elle permet aussi d'effectuer des tâches pour certaines postures qui prendront en compte l'aspect prioritaire du déplacement. Nous introduisons ensuite une méthode de génération de mouvement qui, en se basant sur la programmation quadratique, permet de résoudre le problème de géométrie inverse et de la dynamique inverse pour un robot à base fixe ou mobile, tout en satisfaisant des contraintes d'égalités et d'inégalités.Cette génération de mouvement est assez rapide pour fonctionner à la vitesse de la boucle de contrôle des robotsHRP2-10 et HRP4, et peut donc être utilisé en temps réel. À l'aide d'une machine à état, nous transformons la séquence de postures calculée à priori en une série de tâches à effectuer par le générateur de mouvement, ce qui permet à notre robot de se déplacer dans un environnement complexe. Nous étendons alors notre méthode de génération de mouvement pour calculer la commande d'un nombre arbitraire de robots. Cette extension nous permet de gérer des tâches de manipulation d'objets complexes, de collaboration entre plusieurs agents et de mouvement dans un environnement dynamique. Nous pouvons aussi spécifier directement les tâches dans le repère de l'objet manipulé pour faciliter l'élaboration de notre consigne. Dans l'optique de valider cette méthode sur un robot réel, nous formulons le problème d'estimation des paramètres inertiels d'un objet manipulé grâce à l'algèbre vectorielle spatiale. Finalement, nous validons nos travaux sur les robots HRP2-10 et HRP4. Sur le premier robot, nous validons la génération de posture et la génération de mouvement mono-robot sur le scénario demonté d'une échelle verticale aux normes industrielles. La manipulation d'objets et l'estimation des paramètres inertiels sont validées par la suite sur le robot HRP4. / This PhD proposes a whole body motion generation approach with non coplanar contacts that allowsa robot to move in an environment, manipulate complex objects or collaborate with differentagents.Methods developed in this PhD try to manage many kinds of robots, from the humanoid to thefixed base manipulator and also handling underactuated objects.Firstly, we address the problem contacts positioning that an underactuated robot should taketo move in its environment.We compute in one non-linear optimization problem a sequence of postures that fulfill aninputed contact list. This formulation allows to find the optimal contact placement regardingprevious and next stances. It also allows to execute a task for some posture while taking into accountthe priority of the motion.Next, we introduce a motion generation method that uses quadratic programming to solveinverse kinematics and dynamics problems for a fixed or mobile base robot under equality andinequality constraints.This motion generation is fast enough to fit the HRP2-10 and HRP4 control loop andcan be used in real-time.With a finite state machine we turn the posture sequence into a list of tasks that should beexecuted by the motion generation to allow a robot to move in a complex environment.We extend this motion generation scheme to compute the motion of an arbitrary number of robots.This extension allows us to manage complex object manipulation tasks, multi-agent collaboration andmotion in a dynamic environment. We can also specify a task in the manipulated object frameto ease motion design.To validate this method on a real robot, we formulate inertial parametersestimation of manipulated objects with spatial vector algebra.Finally, we validate our works on the HRP2-10 and HRP4 robot. On the first one,we validate the posture and mono-robot motion generation on a scenario where the robot climbs anindustry standard vertical ladder.On the second one, we validate object manipulation and inertial parameters estimation.