Alors que les applications d'agriculture de préecision (AP) sont déjà bien établies pour les quadrirotors, la navigation autonome, en particulier dans les champs agricoles complexes, non structurés et capricieux, reste un défi permanent pour ces véhicules. Les stratégies de navigation aérienne autonome ne doivent pas se limiter à garantir que la cible est atteinte sans entrer en collision avec les obstacles. Elles doivent également viser à identifier le chemin et la trajectoire optimaux (ou sous-optimaux) que le quadrirotor doit utiliser pour déplacer de son point de départ à sa destination, en tenant compte de toutes les contraintes pratiques qui peuvent s'appliquer. En général, la navigation aérienne autonome ne peut pas être résolue directement. Cependant, elle peut être divisée en plusieurs sous-problèmes : planification de la trajectoire, génération et optimisation de la trajectoire, replanification de la trajectoire et contrôle et suivi de la trajectoire. Cette thèse propose une solution complète et efficace du problème de navigation autonome pour un quadrirotor afin d'accomplir des missions de vol sures et stables pour la télédétection dans les champs agricoles. La solution est multi-phase et basée sur une combinaison d'algorithmes utilisés pour la première fois dans un scénario de AP. Certains de ces algorithmes ont ´et´e choisis avec précision parmi ceux actuellement disponibles dans la littérature afin d'identifier la meilleure combinaison d'algorithmes de navigation autonome. Dans la première phase, une définition hors ligne de la trajectoire optimale a été utilisée. Cette phase s'est généralement d´eroulée en deux étapes consécutives. La première étape utilisait des représentations de l'environnement, principalement des cartes artificielles d'occupation (OGM) et des cartes numériques d'élévation (DEM), pour générer des trajectoires géométriques optimales et localiser des points de référence de position. Des contraintes contenant les points de passage extraits et la vitesse/acc´el´eration `a ces points de passage ont été formées. Dans un deuxième temps, un algorithme de régulation quadratique linéaire (LQR) a été adopté pour générer des trajectoires minimales optimales. Le générateur de trajectoires LQR traite les contraintes des points de passage comme étant souples. Cela garantit à la fois la relaxation des contraintes des points de passage et la génération de trajectoires de position stables. Dans la phase de replanification de la trajectoire, un algorithme de champ potentiel artificiel (APF) amélioré a été utilisé pour replanifier localement la trajectoire du quadrirotor en temps réel. L'algorithme APF amélioré utilise des forces artificielles pour éloigner le véhicule de tout obstacle inattendu. Dans la phase finale, un contrôleur géométrique a été conçu pour suivre les trajectoires générées tout en pointant vers une direction de pointage spécifiée. Dans ce cas, le contrôleur devait utiliser les mesures vectorielles bruitées fournies par l'unit´e de mesure inertielle (IMU) pour construire l'attitude du quadrotor en temps réel le long de la trajectoire de position générée. Le contrôleur géométrique a été mis en œuvre sur le groupe euclidien spécial SE(3) afin d'éviter les singularités associées aux angles d'Euler ou les ambiguïtés accompagnant la représentation en quaternions. Les performances de la stratégie de navigation autonome proposée ont été d´emontrées à l'aide de simulations illustratives dans différents scénarios et les résultats ont confirmé l'efficacité de la stratégie proposée. Les résultats ont confirmé l'efficacité de la stratégie proposée. En particulier, des trajectoires de guidage géométrique sures ont été obtenues. Des trajectoires de position optimales satisfaisant aux contraintes des points de passage ont été générées avec succès en minimisant l'instantanéité du quadrotor.