La découverte de contingences sensorimotrices et leur structuration en compétences sont des enjeux importants en robotique. En particulier, on souhaite pouvoir apprendre ainsi des compétences qui soient à la fois riches sémantiquement et aussi générales que possible.Cette thèse s’est intéressée à la question du regroupement de compétences robotiques en compétences plus générales. Après avoir posé formellement les notions que l’on peut trouver dans la littérature de compétence et de compétence paramétrée, nous avons relié les compétences paramétrées aux modèles inverses et nous nous sommes inspirés du dualisme entre modèles directs et inverses pour proposer un formalisme dual, les compétences paramétrées directes.Nous avons ensuite entrepris de déterminer quand il était ou non pertinent de réunir des compétences au sein d’une même compétence paramétrée directe.Le problème est alors ramené à un problème de régression, et des algorithmes s’inspirant du principe du rasoir d’Ockham sont proposés pour y chercher une solution sous la forme d’un mélange d’experts de complexité minimale. Ces algorithmes sont ensuite appliqués à des données de manipulation d’objets en simulation