Les problèmes d'allocation de ressources suscitent un intérêt croissant aussi bien en Économie qu'en Informatique. Ordinairement, ils sont résolus par des techniques centralisées, dans lesquelles une entité omnisciente détermine comment allouer les ressources de manière optimale. Cependant, ces approches font des hypothèses qui ne sont pas toujours réaliste. Or, il n'est souvent pas possible d'avoir une entité omnisciente. Certaines applications sont dynamiques et nécessitent une méthode de résolution adaptative qui puisse prendre en compte de nouvelles informations durant la résolution. Ces approches considèrent toujours que les communications entre les participants ne sont pas restreintes, ce qui n'est évidemment pas le cas dans la plupart des cas, comme dans les réseaux pair-à-pair par exemple où un pair ne peut communiquer qu'à un ensemble restreint du système.Dans cette thèse, nous nous focalisons sur les méthodes de ré-allocation distribuées, basée sur des systèmes multi-agents, qui transforment une allocation initiale par des séquences de transactions locales entre agents. Nous cherchons à concevoir des comportements d'agents menant un processus de négociation à une allocation socialement optimale. Cette allocation peut alors être vue comme un phénomène émergent. Nous voulons également identifier les paramètres favorisant l'efficacité des négociations ainsi que ceux qui la restreignent. Nous considérons différentes mesures de bien-être social et nous fournissons les comportements à implémenter pour négocier efficacement dans chaque cas. Nous proposons une méthode adaptative et ``anytime'' où n'importe quel type de réseau d'accointances peut être considéré. / Resource allocation problems have been widely studied according to various scenarios in the literature. They are usually solved by means of centralized techniques, where an omniscient entity determines how to optimally allocate resources. However, these solving methods are not well-adapted for applications where privacy is required. Moreover, several assumptions made are not always plausible, which may prevent their use in practice, especially in the context of agent societies. For instance, dynamic applications require adaptive solving processes, which can handle the evolution of initial data. Such techniques never consider restricted communication possibilities whereas many applications are based on. For instance, in peer-to-peer networks, a peer can only communicate to a small subset of the systems.In this thesis, we focus on distributed methods to solve resource allocation problems. Initial allocations evolves step by step thanks to local agent negotiations. We seek to provide agent behaviors leading negotiation processes to socially optimal allocations. In this work, resulting resource allocations can be viewed as emergent phenomena. We also identify parameters favoring the negotiation efficiency. We provide the agent behavior to implement when four different social welfare notions are considered. The original method proposed in thesis is adaptive, anytime and can handle any restriction on agent communication possibilities.