Cette thèse aborde le problème de la recherche et du suivi d'un nombre inconnu de cibles mobiles réparties dans une région d'intérêt (RdI) inconnue à l'aide d'une flotte coopérative de robots aériens sans pilote (UAVs). Ce problème de recherche, d'acquisition et de suivi coopératif (CSAT) apparaît dans des contextes militaires, e.g., pour trouver et suivre des véhicules ennemis, ou dans des applications civiles, e.g., pour rechercher des personnes perdues à la suite d'une catastrophe. Pour résoudre ce problème, chaque drone embarque un système de vision par ordinateur (CVS) composé d'une caméra et d'algorithmes de traitement d'images qui fournissent des mesures liées à la RdI. Les mesures fournies par le CVS consistent en des images avec des pixels labellisés, des cartes de profondeur et des boîtes contenant des pixels associés aux cibles qui ont été identifiées. Cette thèse considère une approche ensembliste pour aborder le problème CSAT. Par rapport à d'autres approches reposant sur des hypothèses stochastiques sur le bruit de mesure, les approches ensemblistes supposent un bruit de mesure borné avec des bornes connues. Ces approches peuvent alors caractériser des ensembles qui contiennent nécessairement la position des cibles, à condition que les hypothèses sur les modèles de mesure et les bornes du bruit soient respectées. Très peu de travaux antérieurs exploitent directement les mesures CVS dans une approche ensembliste. Cela s'explique principalement par le fait qu'il est difficile d'obtenir des modèles de mesure pour un CVS lorsqu'il est composé d'algorithmes d'apprentissage profond. Pour résoudre ces problèmes, nous introduisons plusieurs hypothèses pour relier les mesures CVS aux cibles et aux obstacles présents dans la RdI en utilisant une approche géométrique. A partir de ces hypothèses, nous proposons un nouvel estimateur ensembliste qui exploite directement les mesures CVS pour caractériser les ensembles qui sont garantis de contenir la position de chaque cible identifiée. Les mesures CVS sont également exploitées pour évaluer les ensembles qui sont garantis ne contenir aucune position de cible. Un processus de prédiction-correction similaire au filtre de Kalman a été implémenté pour tenir compte de l'échange d'informations entre les drones. La correction se fait via les mesures CVS acquises par chaque drone et des estimées transmises par les drones voisins. Plusieurs incertitudes supplémentaires peuvent être prises en compte dans l'approche proposée. Nous nous sommes concentrés sur la manière de prendre en compte l'incertitude de l'état des drones. Comme la RdI est encombrée d'obstacles inconnus, chaque drone établit une carte d'occupation et d'élévation pendant la recherche et le suivi des cibles à l'aide des mesures CVS. Cette carte fournit une description approximative de l'emplacement, de la hauteur, et de la forme des obstacles. La carte peut être exploitée pour éviter les obstacles. Dans cette thèse, elle est utilisée pour prédire la portion du champ de vue de la caméra de chaque drone qui est masquée par un obstacle. Cette information est déterminante dans la conception d'un algorithme par commande prédictive (MPC) pour déterminer la trajectoire de chaque drone, en minimisant l'incertitude de localisation des cibles identifiées et en réduisant la taille de l'ensemble contenant des cibles potentiellement non détectées. Si les cibles sont plus nombreuses que les UAVs, un compromis entre la recherche de nouvelles cibles et le suivi des cibles déjà identifiées afin de réduire l'incertitude de la localisation doit être trouvé. Des simulations réalisées avec Webots illustrent les performances de l'estimateur et de la loi de guidage en évaluant l'efficacité des drones à trouver et identifier les cibles, et maintenir une estimation précise de leur position.