L’Internet connaît à nouveau une expansion drastique. En plus des terminaux classiques, il permet aujourd’hui d'interconnecter toute sorte d’objets connectés permettant la capture d’événements depuis l’environnement considéré, mais également le contrôle à distance de cet environnement. Plusieurs milliards de ces objets sont ainsi amenés à l’horizon 2020 à contribuer à l'avènement de l’Internet des Objets (IoT). Ce paradigme, qui étend le concept de Machine-to-Machine (M2M), ouvre la voie à de nouveaux usages tels que la domotique, la télésurveillance, ou encore les usines du futur. Plusieurs architectures ont été proposées pour structurer l’IoT. Leur fondement est basé sur une vision en quatre niveaux : le niveau Équipement, qui comporte les objets connectés, le niveau Réseau contenant les différentes technologies nécessaires aux échanges, le niveau Intergiciel (ou Middleware) qui offre aux applications une couche d’abstraction des niveaux sous-jacents, et enfin le niveau Application qui consiste en l’ensemble des applications concourant, via leurs interactions avec les objets connectés, à la réalisation d’une activité métier. Nos travaux se positionnent au niveau Middleware sur la base de l’architecture définie dans le cadre des standards SmartM2M puis oneM2M. Plusieurs problématiques sont amenées à être (re)-posées dans ce contexte. Nous nous intéressons essentiellement à celle de la qualité de service (QoS - Quality of Service) exprimée par certaines applications métiers. Les solutions proposées en réponse à cette problématique concernent principalement le niveau Réseau. Au niveau Middleware, les standards se focalisent essentiellement sur la proposition d’architectures et de services fonctionnels. Les besoins non fonctionnels, typiquement orientés QoS, ne sont que peu ou pas considérés. Parallèlement, les solutions propriétaires ne considèrent pas l’évolution dynamique du contexte et des besoins. Face à ces limites, nous proposons une approche de gestion dynamique, i.e. durant l’exécution du système, et autonome induisant un minimum d’intervention humaine. La gestion proposée, guidée par des modèles, porte sur des actions de reconfiguration comportementales et structurelles touchant au trafic applicatif et/ou sur les ressources de niveau Middleware. La première contribution de cette thèse porte sur la spécification, la conception, l’implémentation et l’évaluation de mécanismes de gestion de la QoS. La deuxième contribution consiste en la spécification et la conception d’une architecture logicielle pour la gestion auto-adaptative de la QoS au niveau Middleware suivant l’un ou l’autre des standards SmartM2M et oneM2M. Cette architecture, intitulé IoT-Q, repose sur l’application de politiques hiérarchiques dans l'élaboration des actions d’adaptation, ainsi que sur le paradigme de l’Autonomic Computing. La troisième contribution consiste en la proposition et la validation d’un modèle basé sur la théorie des files d’attente du Middleware OM2M (implémentation open source du standard SmartM2M), permettant d’estimer les performances des entités Middleware impliquées. Son application à la phase de monitoring est étudiée sous deux approches, réactive et proactive, en couplage avec des techniques de CEP (Complex Event Processing) pour la première approche, et d’un modèle de prédiction ARMA (Auto-Regressive Moving Average) pour la deuxième. La quatrième proposition porte sur la planification des mécanismes orientés ressources, que nous proposons de guider par une approche couplant le modèle analytique avec un modèle du système à base de graphes. Ce modèle permet de représenter et de prendre en compte les configurations possibles des entités impliquées et de leurs interactions. Des règles d’appariement et de réécriture de graphes permettant d’assurer la conformité du système avec le style architectural sont également produites. En cinquième contribution, un cas d’étude portant sur une situation de crise dans un environnement de transport urbain est élaboré pour illustrer l’application de ces derniers modèles.