Les scientifiques de l’atmosphère cherchent constamment à acquérir de nouvelles données pouvant améliorer leurs modèles des phénomènes atmosphériques, et notamment des nuages. Les méthodes actuelles sont insuffisantes pour collecter des mesures adéquates de la dynamique des nuages et des paramètres microphysiques liés à leur formation générant de grandes incertitudes dans la formulation des modèles. Ce manque de données in-situ pousse les météorologues à trouver de nouvelles méthodes de collecte.L’utilisation des drones est maintenant largement répandue et de nombreuses applications voient le jour dans différents contextes. Bien que l’utilisation d’un drone unique soit très populaire, le déploiement de flottes de drones est encore peu courant et se limite principalement à de l’exploration et de la cartographie d’environnements inconnus statiques. Une flotte pourrait trouver son utilité dans d’autres applications plus complexes comme le suivi de phénomènes dynamiques (e.g flaques d’huiles sur la mer, panaches de fumées d’une usine, phénomènes atmosphériques). Les recherches autour de la coordination d’une flotte de drones et de l’exploration d’environnements dynamiques ne sont pas encore abouties et de nombreuses contributions peuvent être apportées aux problématiques courantes dans ce domaine.L’objectif de cette thèse est d’apporter des solutions et des stratégies afin d’explorer un environnement dynamique tel que l’évolution d’un nuage avec une flotte de drones, permettant ainsi d’assurer une meilleure couverture temporelle et spatiale qu’avec un drone unique. Ceci impose le développement d’une architecture de contrôle et de planification des drones qui assure leur coopération pour mener au mieux la mission. Les contraintes liées à ce type d’environnement et de mission limitent le travail collectif de la flotte. Pour des raisons de robustesse et d’efficacité, les mécanismes du système sont réalisés de manière distribuée où les drones embarquent les processus de planification, communiquent directement entre eux et non par l’intermédiaire d’une station unique.Cette thèse a été réalisée en étroite collaboration avec le projet NEPHELAE qui a pour objectif de collecter des données dans des cumulus afin de reconstruire un modèle spatio-temporel 4D de son évolution. Sachant que les motifs de vols classiques utilisés dans les autopilotes ne sont pas efficaces pour explorer des environnements aussi dynamiques, la contribution principale de cette thèse est le développement et l’implémentation dans le système PAPARAZZI de motifs de vols adaptatifs. Ces schémas de vols utilisent les mesures des capteurs en temps réel pour adapter les trajectoires du drone au nuage à cartographier. Cette action est réalisée à bord du drone et sans intervention d’un opérateur. Le comportement du drone change selon le motif employé, permettant le suivi de la bordure du nuage, la construction d’une carte 3D dense ou encore la détermination du cœur du nuage.La validation de ces nouvelles fonctions de navigation a été réalisée à travers différentes simulations combinant des drones simulés dans un environnement nuageux statique puis dynamique. Par la suite, une première expérimentation hybride a été réalisée avant de déployer la flotte lors d’une campagne de mesures à la Barbade début 2020. Cette campagne a permis d’effectuer un grand nombre de vols d’explorations et de suivis de nuages dans des conditions réelles. En plus d’apporter des résultats et des pistes d’améliorations sur les schémas de vols adaptatifs, elle a permis aux scientifiques de l’atmosphère de collecter des données importantes sur les nuages qui n’avaient pas été observées jusqu’à aujourd’hui. Cette expérimentation a notamment permis de suivre une bordure de nuage avec plusieurs drones en simultané et de réaliser ainsi une première en termes de collecte de données dans un nuage.