La robotique mobile est un champ d'application privilégié de la fusion de données multisensorielles. Cet article est une synthèse de travaux effectués dans trois laboratoires sur la localisation de véhicules mobiles. Après avoir défini le problème, nous présentons les algorithmes proposés combinant la localisation relative - obtenue par exploitation des données fournies par différents capteurs proprioceptifs (odomètre et centrale à inertie) - avec un recalage absolu par rapport à des balises ponctuelles ou des segments de droite - les mesures étant des distances et/ou des angles. Le formalisme retenu est principalement celui du filtrage de Kalman mais, de manière similaire, la localisation des véhicules peut être obtenue en mettant en oeuvre un algorithme d'estimation à erreur bornée. Cette dernière technique est bien adaptée pour la gestion de données manquantes dans des angles morts, point qui est également abordé. La fusion de données fournit non seulement une estimation de la configuration du robot (position, orientation,...) mais également l'incertitude avec laquelle cette grandeur est connue. Une généralisation des algorithmes dans un environnement qui n'est que partiellement connu est également présentée : la position des repères mal connus est recalée et la localisation du robot est effectuée avec des repères bien connus. Une gestion intelligente des données extéroceptives permet de sélectionner ou de prévoir celles qui sont les plus pertinentes, limitant ainsi les traitements et les calculs sans pour autant dégrader de façon significative les performances de l'estimateur de la configuration du véhicule. Les différentes solutions proposées ont été validées en simulation et partiellement testées sur site réel avec différents robots et capteurs....