Le but de cette thèse est d'analyser le travail existant par la communauté de robotique distribuée pour trouver des variations réalistes du modèle standard OBLOT, et développer de nouvelles variations viables à long terme. Nous développons un nouvel algorithme optimal pour le rendez-vous avec des lumières, et le prouvons en utilisant le framework de model-checking SPIN. En utilisant ce modèle, nous construisons des algorithmes d'élection de leader robustes, permettant des contraintes plus strictes. Nous définissons un nouveau modèle de vision pour les robots mobile : Uncertain Visibility, qui utilise un adversaire pour représenter des faux-négatifs des capteurs, et prouvons les bornes de plusieurs problèmes étalons dans ce modèle. Nous définissons et analysons un nouveau problème : Obstruction Detection pour le modèle des robots opaques. Nous développons un simulateur Monte-Carlo pour les robots mobiles, conçus pour facilement simuler n'importe quel modèle ou algorithme. N'étant pas un model-checker, il vise d'abord a remplacer "l'intuition" des chercheurs pour détecter des comportement imprévus. Nous testons plusieurs algorithmes et modèles, avec des résultats encourageants. Enfin, nous présentons deux nouveaux algorithmes : le premier assure que la distance parcourue pour la convergence en ASYNC est minimale ; le second permet d'élire un Leader avec des capteurs imprécis.