Un robot mobile voluant dans un environnement rel doit faire face de nombreuses incertitudes. Les actions qu'il excute n'ont pas toujours l'effet escompt, et ses capteurs lui renvoient des donnes souvent bruites. Les Processus Dcisionnels de Markov (PDM), du fait de leur adaptation la prise en compte d'incertitudes, sont tudis depuis une dizaine dannes dans la communaut Intelligence Artificielle . Les plans obtenus sont donc beaucoup plus robustes aux incertitudes que ceux dfinis par des mthodes dterministes. Cest dans ce cadre que sinscrit ce stage. Nous nous sommes intresss une tude thorique des Processus Dcisionnels de Markov et leur application la robotique. Nous avons pu montrer les limites et les avantages de cette approche. Nous avons ainsi pu appliquer les PDM un problme complexe : la recherche dun but mobile par un robot mobile. Sachant que leurs positions initiales respectives sont inconnues. Ce problme sapparente au comportement animal dun prdateur chassant sa proie. Par ailleurs, de nombreuses perspectives se prsentent, nous pouvons citer la possibilit de choisir la stratgie de localisation lors d'une excution, la considration de plusieurs cibles ou la prise en compte des capteurs situs l'arrire du robot. Les premiers rsultats exprimentaux montrent clairement que l'application de cette mthode lors dune phase dexcution relle demeure acceptable. La localisation Markovienne donne de bons rsultats. Cependant, ils sont fortement tributaires des diffrents rglages des paramtres des modles. Enfin, la recherche et la poursuite dune cible fournissent des rsultats corrects. La localisation est trs efficace lors de la recherche de la cible mais montre une faiblesse lors de la poursuite. Un couplage un systme vido semble le plus adquat pour cette phase.