L'intelligence en essaim constitue désormais un domaine à part entière de l'intelligence artificielle distribuée. Les problématiques qu'elle soulève touchent cependant à de nombreux autres domaines ou questions scientifiques. En particulier le concept d'essaim trouve pleinement sa place au sein de la science dites des ``systèmes complexes''. Cette thèse présente ainsi la conception, les caractéristiques et les applications d'un modèle original, le SMA logistique, pour le domaine de l'intelligence en essaim. Le SMA logistique trouve son origine en modélisation des systèmes complexes : il est en effet issu des réseaux d'itérations couplées dont nous avons adapté le modèle de calcul à l'architecture multi-agent. Ce modèle se fonde sur des principes communs à d'autres disciplines, comme la synchronisation et le contrôle paramétrique que nous plaçons au coeur des mécanismes d'auto-organisation et d'adaptation. Du point de vue mathématique, les applications logistiques sont à la base de la formalisation du comportement interne des agents constituant le SMA logistique, tout en prenant place dans un schéma ``influence-réaction''. L'environnement à base de champs est l'autre aspect fondamental du SMA logistique, en permettant la réalisation des interactions indirectes des agents et en jouant le rôle d'une structure de données pour le système. Les travaux décrits dans cette thèse donnent lieu à des applications principalement en simulation et en optimisation, comme c'est le cas pour la plupart des algorithmes du domaine de l'intelligence en essaim. L'intérêt et l'originalité du SMA logistique pour l'intelligence en essaim résident dans l'aspect générique de son schéma théorique qui permet de traiter avec un même modèle des phénomènes considérés a priori comme distincts dans la littérature : phénomènes de ``flocking'' et phénomènes stigmergiques ``fourmis'' à base de phéromones. Ce modèle répond ainsi à un besoin d'explication des mécanismes mis en jeu autant qu'au besoin d'en synthétiser les algorithmes générateurs.