La localisation est l'un des éléments indispensables à la navigation d'un robot mobile dans un environnement connu ou inconnu. Celle-ci peut être abordée selon deux problématiques distinctes. La première consiste en la détermination de la position des objets détectables relativement à la plate forme mobile, on parle dans ce cas de localisation relative. Elle est notamment fort utile dans des algorithmes d'évitement d'obstacles ou de positionnement par rapport à des balises connues. La seconde approche, qui nous intéresse plus particulièrement ici, est la localisation absolue qui consiste à trouver la position du robot par rapport à un référentiel attaché à l'environnement en utilisant les capacités perceptives disponibles. Afin d'obtenir une localisation performante il est nécessaire d'avoir recours à plusieurs capteurs de même nature, c'est le cas de la vision stéréoscopique par exemple, ou de nature différente. Le problème posé lors de l'utilisation de ces différents capteurs est la gestion de l'information fournie tant du point de vue de la pertinence des données que du point de vue de la cohérence de celles-ci. Cette gestion de l'information issue de sources multiples est communément appelée fusion de données. Celle-ci peut être définie, de façon générale, comme étant l'intégration de données provenant de sources multiples (capteurs, modules de décision, modules d'interprétation, ...) dans le but de construire une interprétation pertinente et spécifique sur une entité, une activité ou un événement. Cette interprétation doit en particulier prendre en compte les incohérences entre les différentes sources et fournir un résultat plus précis et plus riche par rapport à ce que l'on pourrait obtenir en exploitant séparément les informations initiales. Nous proposons dans le cadre de cet article d'étudier, sur un exemple concret, comment aborder le problème de la fusion de données pour la localisation multi-cibles. Nous nous placerons dans un premier temps dans le cadre d'un algorithme de localisation de robot mobile utilisant les informations fournies par un capteur de type caméra et par un module de positionnement utilisant le formalisme des Processus de Markov Partiellement Observables (POMDP). Nous verrons ensuite comment utiliser le même principe de fusion en ajoutant d'autres capteurs soit de même type soit de types différents. Enfin, nous aborderons le problème de la localisation de robots multiples dans un environnement partiellement connu en décrivant une méthode de fusion distribuée utilisant le formalisme des Systèmes Multi-Agents (SMA) qui permet l'utilisation de sources multiples qui peuvent être liées aux véhicules ou liées à l'environnement. Nous conclurons sur quelques résultats expérimentaux comparant les différentes méthodes exposées.