Depuis le milieu des années 90, les chercheurs en planification s'intéressent aux Processus Décisionnels de Markov (MDP). Ces modèles permettent d'obtenir des plans robustes, puisque prenant en compte les incertitudes entachant l'exécution des actions. Mais les algorithmes classiques utilisés dans le cadre des MDP sont trop complexes pour résoudre efficacement des problèmes de grande taille, comme c'est le cas de la robotique mobile. De ce fait, nous avons développé un algorithme de décomposition d'environnement, qui permet de réduire considérablement les temps de calcul. Nous en présentons dans cet article deux implantations sur machine parallèle MIMD à mémoire partagée distribuée, la seconde utilisant un gestionnaire de tâches.