L’Internet des Objets (Internet of Things, IoT) est défini comme une infrastructure complexe composée d’un grand nombre de dispositifs hétérogènes. Il s’appuie sur les technologies de l’information et de la communication pour interconnecter ces appareils et pour leur permettre d’échanger leurs données pour fournir une variété de services à valeur ajoutée. Le Web des Objets (Web of Things, WoT) permet de mettre en œuvre cette vision en s’appuyant sur le Web pour virtualiser et interconnecter les objets IoT de manière transparente. Les systèmes IoT fonctionnent souvent dans des environnements dynamiques, imprévisibles et mobiles avec des ressources limitées. Par conséquent, les objets IoT virtualisés sur le Web ont besoin de capacités de raisonnement et de prise de décision autonomes pour adapter leurs comportements à leur contexte. Pour cela, nous proposons d’étendre les objets virtuels passifs avec des mécanismes de raisonnement basés sur des modèles sémantiques. Cette extension est appelée avatar autonome.Un avatar peut fournir plusieurs services qui peuvent être découverts, récupérés et composés pour créer de nouvelles applications IoT grâce à des techniques de découverte et de sélection de services. Cependant, avec la prolifération et l’évolution exceptionnelle du nombre d’objets connectés, ces méthodes deviennent problématiques. Pour surmonter ces défis, nous proposons l’intégration des concepts des réseaux sociaux pour l’IoT. Ils permettent de faire émerger l’intelligence collective d’un groupe d’avatars qui peuvent fournir des réponses beaucoup plus intéressantes et riches à des problèmes complexes qu'un seul avatar. De plus, ils accélèrent et facilitent la navigabilité dans un réseau IoT dynamique à large échelle. Pour intégrer ce concept, nous proposons une approche s’appuyant sur la notion de distance sociale. Pour réduire l’espace de recherche de découverte et mieux cibler la transmission des requêtes aux avatars appropriés, une méthode de clustering basée sur l’algorithme fuzzy c-means est proposée pour classer les avatars sociaux selon leurs fonctionnalités.Les services IoT découverts possèdent des caractéristiques non-fonctionnelles différentes notamment en termes de qualité de service (QoS). Dans ce contexte, nous proposons une nouvelle approche de sélection distribuée qui tient compte des paramètres de QoS ainsi que de leur fluctuation. Une première approche basée sur un algorithme génétique évolutionnaire multi-objectifs (MOEA, Multi- Objective Evolutionary Algorithm) est proposée afin de décomposer les contraintes de QoS globales en un ensemble de contraintes locales permettant ainsi d’effectuer une sélection locale qui garantit le respect des contraintes globales. Cette approche a été ensuite étendue par des mécanismes d’apprentissage automatique supervisé pour prédire les contraintes locales. Pour ce faire, nous avons proposé une approche basée sur SVM (Support Vector Machine).Les approches proposées sont évaluées dans le contexte des véhicules connectés et via une série d’expérimentations. Les résultats expérimentaux montrent l’efficacité de nos approches pour la découverte et la sélection de services et les avantages qu'elles fournissent notamment par rapport aux approches traditionnelles centralisées.