The research works carried out in this thesis deal with the control of a fast double-steering off-road mobile robot. The planning and tracking problems have been divided into a two-level hierarchical controller. For the high-level controller, a new local path planning strategy is designed for obstacle-skirting in real time. This method computes rapidly and in real-time a smooth local path for obstacle avoidance that guarantees vehicle kinematic and dynamic constraints. The local path is automatically generated according to several waypoints based on the detected obstacle's coordinates (here, we use a 3D LiDAR sensor for the perception of the environment surrounding the vehicle) and the current state of the robot (current position, steering angles, etc.). These waypoints are then connected by two cubic Bézier curves such that harsh curvatures and wide variation in steering angles are prevented. This path is then fed to the low-level path follower synthesized by using a constrained Model Predictive Control (MPC) which is based on the vehicle dynamic model including sliding parameters. It is formulated as an optimization problem that computes at each time-step the optimal front and rear steering angles required to perform a desired path, with respect to multiple constraints, essentially the steering joint limits and the tire adhesion area bounds (i.e., pseudo-sliding zone limits where the grip conditions at wheel/ground are the best). Moreover, this controller includes wheel-ground lateral slippage and terrain geometry parameters that should be estimated on-line in order to enhance the path tracking performances. Thus, some observers are deigned to estimate accurately these parameters in real-time using sensors measurements (e.g., RTK-GPS, IMU, etc.). All the proposed contributions have been validated through several tests on both advanced simulations under ROS/GAZEBO and experiments on a real off-road mobile robot at high and low velocities.; Les véhicules à guidage automatique (AGV pour "Automated Guided Vehicles" [ou VGA en français]), actuellement utilisés dans l'industrie et la logistique, seront certainement étendus aux applications extérieures, en particulier dans l'agriculture, l'exploitation minière et la construction. Pour ces applications automatisées, les AGV nécessitent des lois de contrôle extrêmement précises et stables qui doivent tenir compte des contraintes du véhicule, même si la configuration géométrique du terrain et les conditions de contact entre la roue et le sol devraient changer, principalement à grande vitesse. Par ailleurs, afin de permettre un déplacement facile dans des environnements encombrés et / ou l'accomplissement de trajectoires avec un rayon de braquage court et une grande agilité, la structure du robot mobile est conçue de façon à ce que les roues avant et arrière puissent être dirigées et conduites de manière indépendante. Ce type de véhicules à quatre roues directrices s'avère être intéressant et prometteur pour les applications robotiques, essentiellement pour le contrôle de la dynamique latérale à grande vitesse et pour augmenter la courbure de la trajectoire.Les problèmes de planification et de suivi ont été divisés en un contrôleur hiérarchique à deux niveaux. En ce qui concerne le contrôleur de haut niveau, une nouvelle stratégie de planification de trajectoire locale est conçue pour contourner les obstacles en temps réel. Cette méthode permet de calculer rapidement et en temps réel une trajectoire locale fluide pour éviter les obstacles et garantit les contraintes cinématiques et dynamiques du véhicule. La trajectoire locale est générée automatiquement selon plusieurs points de cheminement en fonction des coordonnées de l'obstacle détecté (ici, nous utilisons un capteur LiDAR 3D pour la perception de l'environnement entourant le véhicule) et de l'état actuel du robot (position actuelle, angles de braquage, etc.). Ces points de cheminement sont ensuite reliés par deux courbes de Bézier cubiques de manière à éviter les courbures difficiles et les grandes variations des angles de braquage.Cette trajectoire est ensuite transmise au suiveur de trajectoire de bas niveau synthétisé en utilisant un contrôle prédictif de modèle contraint (MPC) qui est basé sur le modèle dynamique du véhicule comprenant des paramètres de glissement. Il s'agit d'un problème d'optimisation qui calcule à chaque pas de temps les angles de braquage avant et arrière optimaux qui sont requis pour effectuer un trajet souhaité, en tenant compte de multiples contraintes, essentiellement les limites des joints de direction et les limites de la zone d'adhérence des pneus (c'est-à-dire la zone de pseudo-glissement limite où les conditions d'adhérence roue / sol sont les meilleures).De plus, ce contrôleur inclut des paramètres de glissement latéral roue-sol et de géométrie du terrain qui doivent être estimés en ligne afin d'améliorer les performances de suivi de trajectoire. Ainsi, certains observateurs sont conçus pour estimer avec précision ces paramètres en temps réel à l'aide de mesures de capteurs (par exemple, RTK-GPS, IMU, etc.). Toutes les contributions proposées ont été validées à travers plusieurs essais à la fois sur des simulations avancées sous ROS / GAZEBO et des expériences conduites sur un véritable robot mobile tout-terrain à haute et basse vitesse.