La perception de l'environnement à travers différentes modalités sensorielles est une capacité essentielle à la survie des animaux. La compréhension du fonctionnement de ces différentes modalités ainsi que du mécanisme de leur intégration en une représentation unique est un enjeu majeur en neurosciences ainsi qu'en matière de conception d'architectures de contrôle de robots autonomes. Le rat, par exemple, exploite énormément les informations tactiles fournies par ses vibrisses. Elles lui servent notamment à reconnaître des textures ou des formes, comme à évaluer la taille d'une ouverture... Cette modalité, très étudiée en biologie, n'a été que peu abordée dans le domaine de la robotique. L'audition et la vision fournissent également de riches informations sur l'environnement et ces trois modalités fonctionnent de manière complémentaire. Une des structures intégrant toutes ces modalités est le colliculus supérieur, région sous-corticale commune à la plupart des vertébrés. Cette structure fonctionnant comme un système attentionnel, permet de détecter les stimuli pertinents et de s'orienter vers ceux-ci tout en ignorant les stimuli inutiles. L'objectif de ce travail est de développer les différentes capacités sensorielles (tactile, auditive et visuelle) du robot-rat Psikharpax et de les intégrer en une représentation multi-sensorielle en s'inspirant de ces connaissances biologiques. Nous avons tout d'abord développé un système vibrissal artificiel permettant de reconnaitre des textures sur un robot mobile. Nous avons montré que deux hypothèses biologiques s'affrontant pour expliquer le codage des informations tactiles sont peut-être compatibles. Nous avons ensuite collaboré au développement d'un système auditif binaural permettant la localisation et la séparation de sources. Nous avons montré que les mécanismes permettant la reconnaissance de textures avec le système vibrissal, permettait de reconnaitre des sons avec le système auditif. Puis nous avons développé un système d'attention visuelle en adaptant et en intégrant des modèles neuro-mimétiques de colliculus supérieur et de ganglions de la base avec un mécanisme d'apprentissage par renforcement. Ce modèle inclut des boucles sous-corticales et corticales permettant l'apprentissage des caractéristiques spatiales et non-spatiales des stimuli. Nous avons montré que ce système permettait de générer des saccades oculaires vers des cibles génératrices de récompense. Enfin, nous avons étendu ce modèle d'attention visuelle aux modalités tactile et auditive et montré ses capacités à reproduire les phénomènes d'intégration multi-sensorielle. Nous avons également utilisé ce modèle sur un robot mobile pour générer des comportements d'orientation vers des stimuli multi-sensoriels associés à des récompenses. Nous concluons que ce modèle permet la gestion de stimuli multi-sensoriels de manière assez robuste pour être utilisé sur un robot mobile. Il génère de plus quelques prédictions testables.