Cette thèse porte sur des techniques de commande à base d’optimisation dans le cadre des systèmes dynamiques Multi-Agents sous contraintes, plus particulièrement liées à l’évitement des collisions. Dans un contexte ensembliste, l’évitement des collisions au sein de la formation se traduit par des conditions de non intersection des régions de sécurité caractéristiques à chaque agent/obstacle. Grace à sa capacité à gérer les contraintes, la commande prédictive a été choisie parmi les méthodes de synthèse fondées sur des techniques d’optimisation. Tout d’abord, une structure de type leader-suiveur est considérée comme une architecture décentralisée élémentaire. La zone de fonctionnement de chaque suiveur est décidée par le leader et puis une loi de commande locale est calculée afin de garantir que les suiveurs restent à l’intérieur de la zone autorisée, permettant d’éviter les collisions. Ensuite, un déploiement des agents fondé sur l’approche de commande prédictive décentralisée, utilisant des partitions dynamiques de Voronoi, est proposé, permettant de ramener chaque agent vers l’intérieur de sa cellule Voronoi. Une des contributions a été de considérer le centre de Chebyshev comme cible à l’intérieur de chaque cellule. D’autres solutions proposent l’utilisation du centre de masse ou du centre obtenu par l’interpolation des sommets. Finalement, des méthodes ensemblistes sont utilisées pour construire un niveau supplémentaire de détection de défauts dans le cadre du système Multi-Agents. Cela permet l’exclusion des agents défectueux ainsi que l’intégration des agents extérieurs certifiés sans défauts dans la formation en utilisant des techniques de commande prédictive centralisée. / This thesis presents optimizationbased control techniques for dynamical Multi-Agent systems (MAS) subject to collision avoidance constraints. From the set-theoretic point of view, collision avoidance objective can be translated into non-overlapping conditions for the safety regions characterizing each agent/obstacle while maintaining the convergence towards a specified formation. Among the successful optimizationbased control methods, Model Predictive Control (MPC) is used for constraints handling. First, a leader-follower structure is considered as a basic decentralized architecture. The followers functioning zone assignment is decided by the leader and then the local linear feedback control is computed such that the follower operates strictly inside its authorized zone, offering anti-collision guarantees. Second, a dynamic Voronoi partition based deployment of the agents using an inner target driver is developed. The main novelty is to consider the Chebyshev center as the inner target for each agent, leading to an optimization-based decentralized predictive control design. In the same topic, other inner targets are considered such as the center of mass or vertex interpolated center. Third, set-theoretic tools are used to design a centralized FDI layer for dynamical MAS, leading to the exclusion of a faulty agent from the MAS formation and the integration of an external healthy/recovered agent in the current formation. The set-based FDI allows detecting and isolating these faulty agents to protect the current formation using centralized predictive control techniques.