Cet ouvrage s'intéresse à la résolution numérique des problèmes de la commande H-infinie non linéaire. Les méthodes en question se basent en premier lieu sur les résidus pondérés (Galerkin et Réseaux de Neurones). Ces dernières sont hybridées avec l'algorithme des approximations successives pour faciliter la résolution des équations Hamilton-Jaccobi-Isaacs résultantes. Nous avons étudié plusieurs approches de la commande H-infinie non linéaire, à savoir, la commande continue/discrète par retour d'état avec et sans contraintes, la commande à horizon fini et la commande par retour de sorties impliquant un observateur non linéaire. Le deuxième volet de ce travail s'intéresse à un algorithme d'apprentissage en ligne de type renforcement basé sur le concept d'Acteur-Critique pour la résolution des équations HJI. Le troisième volet est celui de l'utilisation d'une méta-heuristique d'optimisation basée sur les essaims de particules (PSO), pour la résolution des équations HJI. Ces techniques ont été appliqués pour la commande d'une variété de systèmes non linéaires dynamiques. Les résultats de simulation obtenus ont montré des meilleurs performances en matière de stabilité et robustesse.