L'intégration de l'IIoT (Internet des Objets Industriels) vise à améliorer les performances de l'usine grâce à l'exploitation des données récoltées par les différents capteurs/actionneurs. L'IIoT permettra de mieux connaitre l'usine, de détecter et de réagir aux problèmes (pannes, rupture de stocks) et d'arriver à réduire, voire à éliminer, les temps d'arrêt avec de l'apprentissage machine sur la base des données récoltées par les capteurs. Parmi les applications de l'IIoT dans l'usine du futur, on peut citer la maintenance prédictive, la gestion des stocks ou encore la gestion de la consommation énergétique. L'objectif de cette thèse est de proposer des algorithmes issus de l'intelligence artificielle comme support d'aide à la décision quant aux traitements à réserver aux données générées par les objets d'un réseau IIoT, selon le niveau de criticité de l'application, la nature de l'objet ayant généré la donnée et l'état du réseau. Les actions prises par les différentes entités visent à exploiter de manière optimale les ressources disponibles (stockage, calcul, bande passante, ressource radio..) pour répondre aux besoins des applications/objets. La théorie des jeux, l'apprentissage et la négociation multi-agents sont les outils que nous utiliserons pour rendre le réseau IIoT autonome. Nos propositions seront validées analytiquement, par simulation mais également sur la plateforme CPER PFEEXECL FFCA « Factories of Future Champagne-Ardenne » dans laquelle nous sommes impliqués.