Cette thèse porte sur les principaux problèmes de contrôle en robotique douce. Une approche étape par étape est proposée, de la modélisation du robot au contrôle dynamique et à la planification du mouvement. En plus des travaux théoriques, de nombreuses expériences et simulations sont également menées pour illustrer l’efficacité des méthodes proposées. La thèse prolonge d’abord les travaux antérieurs de notre équipe, dans lesquels le cadre de modélisation et de contrôle linéaire est proposé sur la base du modèle de la m´méthode des éléments finis d’ordre réduit. Nous avons discuté en détail de l’utilisation et des avantages d’une m´méthode améliorée de réduction de l’ordre du modèle qui préserve la structure et la stabilité du modèle FEM. Cette nouvelle m´méthode de modélisation permet la conception d’un contrôleur de rétroaction-anticipation basé sur un observateur de perturbations. Cependant, le schéma de contrôle proposé est efficace mais limité `a une petite plage où le modèle linéaire est efficace. Pour effectuer le contrôle dynamique dans l’ensemble de l’espace de travail non linéaire du robot logiciel, nous avons étendu le schéma de contrôle linéaire à un nouveau cadre de contrôle à paramètres linéaires variables (LPV). Le modèle LPV est développé en utilisant à la fois des modèles d’ordre réduit obtenus à partir de modèles FEM et les données collectées à partir des robots mous. La stabilité du contrôleur généralisé est garantie par la théorie de la stabilité de Lyapunov et la conception du contrôleur est formulée comme un problème d’optimisation sous inégalités matricielles linéaires (LMI). Cependant, le modèle LPV est basé sur des modèles linéarisés. Les tâches de commande prédictive et de planification de mouvement ne peuvent pas être réalisées efficacement avec les modèles LPV. Pour atteindre des performances plus élevées pour le contrôle des robots mous, nous avons également proposé des solutions correspondantes à ces problèmes. Une nouvelle représentation cinématique des configurations de robots mous combinant à la fois le modèle et les données collectées est proposée, ainsi qu’une m´méthode de cinématique inverse directe basée sur les données de mesure. Pour la commande anticipative de robots souples qui ne peut être obtenue analytiquement, des résultats préliminaires sur la représentation fonctionnelle de la commande anticipative et des lois d’apprentissage anticipatif avec des garanties de stabilité sont illustrés.