L'estimation en robotique est un sujet important affecté par des compromis entre certains critères majeurs à partir desquels nous pouvons citer le temps de calcul et la précision. L'importance de ces deux critères dépend de l'application. Si le temps de calcul n'est pas important pour les méthodes hors ligne, il devient critique lorsque l'application doit s'exécuter en temps réel. De même, les exigences de précision dépendent des applications. Les estimateurs EKF sont largement utilisés pour satisfaire les contraintes en temps réel tout en obtenant des précisions acceptables. Un capteur largement utilisé dans les problèmes d'estimation de trajectoire reste les unités de mesure inertielles (IMU) fournissant des données à un débit élevé. La contribution principale de cette thèse est une présentation claire de la théorie de la pré-intégration donnant lieu à des UMI mieux utilisées. Nous appliquons cette méthode aux problèmes d’estimation dans la navigation des robots piétonniers et des robots humanoïdes pour montrer que l’estimation en temps réel à l’aide d’une UMI peu coûteuse est possible avec les méthodes de lissage tout en formulant les problèmes à l’aide d’un graphe factoriel. Nous étudions également l’étalonnage des IMU car il s’agit d’un élément essentiel de ces capteurs. Tous les développements réalisés au cours de cette thèse ont été pensés avec un arrière-plan SLAM visuel-inertiel comme perspective à moyen terme. Firthermore, ce travail tente de soulever une autre question en ce qui concerne les robots à pattes. Contrairement à leur architecture habituelle, pourrions-nous utiliser plusieurs unités IMU lowcost sur le robot pour obtenir des informations précieuses sur le mouvement en cours d'exécution?