Cette thèse s'inscrit dans le domaine des neurosciences<br />computationnelles dont le but est de modéliser des fonctions<br />cognitives complexes par le biais de simulations<br />informatiques et numériques en s'inspirant du fonctionnement<br />cérébral. Contrairement à une approche descendante nécessitant de<br />connaître une expression analytique de la fonction à simuler,<br />l'approche ascendante retenue permet d'observer<br />l'émergence d'une fonction grâce à l'interaction de populations de<br />neurones artificiels sans qu'elle soit connue à l'avance. Dans un<br />premier temps, nous présentons un modèle de réseau de neurones<br />particulier, les champs neuronaux, dont les propriétés<br />dynamiques de résistance au bruit et de continuité spatio-temporelle permettent cette émergence. Afin de guider l'émergence de transformations sensorimotrices sur ce substrat, nous présentons ensuite l'architecture des<br />systèmes visuel et moteur pour mettre en évidence le rôle central de l'attention visuelle dans la réalisation de ces fonctions<br />par le cerveau. Nous proposons ensuite un schéma<br />fonctionnel des transformations sensorimotrices dans lequel la<br />préparation d'une saccade oculaire guide l'attention vers une rÈgion<br />de l'espace visuel et permet la programmation du mouvement. Nous décrivons enfin un modèle computationnel de déplacement du point d'attention qui, en utilisant une mémoire de travail spatiale<br />dynamique, permet la recherche séquentielle d'une cible dans une scène visuelle grâce au phénomène d'inhibition de retour. Les performances de ce modèle (résistance au bruit, au mouvement des objets et à l'exécution de saccades) sont analysées en simulation et sur une plate-forme robotique.