Les robots autonomes utilisent des balises (murs, coins en interieur ; arbres, batiments a l'exterieur) pour se localiser. Cependant cette localisation peut echouer si le robot confond les balises entre eux, ce qui peut arriver lorsque l'environnement change (dont l'exemple typique est le parking, pour lequel les voitures ne sont plus stationnees au meme endroit) ; l'imprecision du capteur peut aussi laisser penser qu'un amer a bouge. La difficulte reside alors dans la comparaison des cartes d'amers : le nombre de points de comparaison est tel que des confusions sont possibles. La majorite des algorithmes de SLAM existants ne prend pas en compte cet aspect semi-statique de l'environnement, la plupart se concentrant sur les problemes des milieux ouverts (environnements comportant des objets mobiles). Toutefois parmi les approches proposees deux se detachent : la premiere tente de modeliser l'ensemble des configurations que peut prendre l'environnement. Cela fonctionne si la majeure partie de l'environnement reste statique. Son utilisation en milieu exterieur en devient par consequent impossible. La seconde utilise le principe de l'oubli pour modeliser les changements de l'environne- ment. A chaque objet de l'environnement sont affectes des parametres. L'evolution de ces parametres manifeste l'evolution de la carte. L'emploi de tels parametres limite le champ d'utilisation d'une telle methode. Nous proposons de representer les objets par des ensembles de 'patches' regroupes dans une structure hierarchique. Cette structure permet de temperer l'impact negatif du a de mauvaises informations du capteur et de determiner aisement les changements de position des reperes. L'algorithme utilise pour le SLAM est de type FastSLAM. Celui-ci utilise un filtre de particules qui representent les positions possibles du robot auxquelles sont associees des cartes de l'environnement. En particulier, cela permet en cas d'indecision de travailler avec toutes les hypotheses qui correspondent a la situation courante.