Pour tre qualifi d'autonome, un robot mobile doit tre capable d'voluer dans un environnement non contrl, changeant et sur lequel il ne dispose que d'informations incertaines. La programmation baysienne des robots est adapte ce problme, et dans ce cadre, notre objectif consiste automatiser la dcouverte de nouveaux comportements. Nous dsirons que le robot trouve par lui-mme des corrlations entre ses variables sensori-motrices afin d'apprendre rsoudre sa tche d'une nouvelle manire. Notre approche consiste proposer et comparer diffrentes mthodes pour trouver ces corrlations. Nous validerons les mthodes sur des donnes issues d'un simulateur logiciel et des donnes relles provenant d'un petit robot autonome : Le Koala.