Cette thèse présente l’étude d’une stratégie de coordination hybride d’un groupe de robots sous-marins pour la recherche d’objets de petites dimensions ou de singularités sur les fonds marins. Chaque robot est équipé d’un module de perception utilisant la librairie de traitement d’image OpenCV qui lui permet d’apercevoir les autres éléments de la meute ainsi que l’environnement d’évolution de la mission.Cette stratégie hybride est constituée de deux phases : une phase de mise en formation géométrique et une phase d’acquisition des données vidéo. La première phase s’appuie sur des algorithmes de type "essaims" alors que la seconde se fonde sur une méthode hiérarchique de coordination. En cas de perte de la formation, le groupe de robots quitte le mode hiérarchique et reprend le mode essaim pour se reformer. Ces changements de modes sont contrôlés par une machine à états finis. Avant d’entamer une expérimentation en grandeur nature, la méthodologie et les algorithmes de coordination doivent être testés et validés par simulation.Dans ce contexte, un simulateur basé sur le logiciel Blender a été conçu de façon à ce qu’il tienne compte des différentes contraintes liées à l’évolution des robots dans l’environnement sous-marin. Les résultats de simulation d’une meute de 3 AUVs montrent la capacité de notre stratégie à optimiser l’exécution d’une mission d’acquisition vidéo par un groupe de robots autonomes contrôlés par la vision et coordonnés par une stratégie hybride. / In the underwater environment, the needs of data acquisition have significantly increased over the last decades. As electromagnetic waves show poor propagation in sea water, acoustical sensing is generally preferred. However, the emergence of small and low cost autonomous underwater vehicles (AUV) allow for rethinking the underwater use of optical sensors as their small coverage can be significantly improved by using a fleet of coordinated underwater robots.This paper presents a strategy to coordinate the group of robots in order to systematically survey the seabed to detect small objects or singularities. The proposed hybrid coordination strategy is defined by two main modes. The first mode relies on a swarm algorithm to organize the team in geometrical formation. In the second mode, the robot formation is maintained using a hierarchical coordination. A finite state machine controls the high level hybrid strategy by defining the appropriate coordination mode according to the evolution of the mission. Before sea validation, the behavior and the performance of the hybrid coordination strategy are first assessed in simulation. The control of individual robots relies on visual servoing, implemented with the OpenCV library, and the simulation tool is based on Blender software.The dynamics of the robots has been implemented in a realistic way in Blender by using the Bullet solver and the hydrodynamic coeficcients estimated on the actual robot. First results of the hybrid coordination strategy applied on a fleet of 3 AUV’s, show execution of a video acquisition task by a group of autonomous robots controlled by vision and coordinated by a hybrid strategy.