Les travaux de recherche synthétisés dans ce mémoire s’inscrivent principalement dans le domaine de la modélisation et de la simulation de systèmes multi-agents (SMA). La simulation multi-agents met en œuvre des modèles où les individus, leur environnement et leurs interactions sont directement représentés. Dans ces modèles, chaque individu –agent autonome– possède son propre comportement et produit ses actions en fonction d’une perception locale de son environnement. Ainsi, la simulation multi-agents est utilisée pour étudier des systèmes naturels comme les colonies de fourmis, les dynamiques de foules ou le trafic urbain, mais aussi pour concevoir des systèmes artificiels, par exemple dans le cadre de la robotique collective ou le développement de logiciels basés sur de l’intelligence artificielle distribuée. Dans ce cadre, nos recherches ont porté sur des problématiques liées à la modélisation de simulations multi-agents, avec la proposition de modèles formels et conceptuels (e.g. le modèle IRM4S) et d’outils logiciels génériques (plates-formes MaDKit et TurtleKit), et sur leur utilisation dans divers domaines tels que le jeu vidéo, le traitement numérique de l’image ou la robotique collective. Contrairement aux approches centrées sur la conception des comportements individuels, dans ces travaux l’environnement des agents est considéré comme une abstraction de premier ordre. Dans ce mémoire, nous dressons tout d’abord un bilan de nos recherches en argumentant l’intérêt d’une telle démarche pour les modèles multi-agents. Nous montrons ensuite comment celle-ci nous a récemment permis de proposer une approche originale dans le cadre de l’utilisation du calcul haute performance sur carte graphique (GPGPU) pour la simulation de SMA, avant de présenter les perspectives de recherche associées à notre positionnement.