La modélisation et l'identification floues de systèmes avec de multiples entrées et une seule sortie (MISO), non linéaires, non stationnâmes et avec perturbations sont présentés. A cet effet, des techniques d'apprentissage floues sont utilisées. C'est ainsi qu'un modèle est mis en place à partir des mesures d'un système bio-climatique, qui concerne l'étude d'une serre expérimentale de l'Université du Sud Toulon Var (USTV) en France. L'analyse multi-modèles est utilisée, avec la structure de règles floues proposée par Takagi-Sugeno-Kang (TS), où les prémisses des règles sont identifiées au moyen de l'algorithme flou de C-Means. La démarche d'apprentissage local et global est introduite pour identifier les paramètres linéaires des conséquences des règles floues. Ainsi, des modèles flous TS sont obtenus avec une démarche pluri-objectif. Dans le cadre de la technique de la modélisation et de F identification floues TS, le développement d'un algorithme est détaillé, pour modéliser des systèmes SISO, pour lesquels l'algorithme flou de Gustafson-Kessel (G-K) sera mis en oeuvre afin d'identifier les prémisses des règles floues. L'innovation réside dans le fait que les conséquences des règles floues sont des polynômes d'ordre cubique. Enfin, avec la technique LMI et avec un modèle développé pour un système bio-climatique, la synthèse d'un contrôleur stable avec l'approche de Lyapunov qui régule le chauffage de la serre, est réalisée pour maintenir le paramètre VPD dans un domaine fiable pour la plantation.