Les manipulateurs mobiles composés d’une base mobile (AGV : Véhicule à guidage automatique) et d’un bras manipulateur ont été développés et introduits dans les ateliers de production flexibles (FMS) pour assurer l’exécution complète et autonome des tâches de transport. La supervision de ces entités intelligentes, leur architecture de contrôle, leur reconfigurabilité ainsi que l’ordonnancement de leurs tâches représentent des problèmes scientifiques et technologiques de taille ayant attiré plusieurs chercheurs. Par contre, peu de travaux ont étudié ces problématiques avec des systèmes de transport hétérogènes (constitués de plusieurs types de ressources : Manipulateurs mobiles, AGVs et bras manipulateurs) et/ou modulaires. Ce travail de thèse a permis de mettre en œuvre, de tester et de valider une architecture de supervision distribuée incluant une approche d’ordonnancement de tâches. Cette approche considère à la fois la modularité et l’intelligence des manipulateurs mobiles, de même que l’hétérogénéité des systèmes de transport. La méthode d’ordonnancement des tâches, se fonde sur un mécanisme hybride combinant un algorithme de décision globale basé sur les enchères et un modèle de décision locale basé sur une programmation linéaire en nombres entiers (ILP). Ceci permet de profiter pleinement de l’intelligence embarquée dans les robots en leur donnant la possibilité d’exécuter localement des ordres de haut niveau tout en respectant les objectifs globaux au travers d’un principe de coalition. Deux cas d’étude sur des ateliers de production flexibles ont été menés afin de valider la méthode proposée.