La collecte participative de données est un paradigme émergent qui permet aux utilisateurs munis de dispositifs intelligents de collecter et de partager des données sur un phénomène particulier. Pour assurer une bonne qualité d'information (QoI), il faut garantir l'engagement des participants tout en respectant la contrainte énergétique de leurs mobiles. Ce trade-off est difficile à réaliser vu la nature contradictoire des deux objectifs de la maximisation de la QoI et la minimisation de la fréquence de capture de données des terminaux des utilisateurs. Dans cet article, nous élaborons un modèle d'allocation équitable des tâches de collecte participative afin d'optimiser l'autonomie des terminaux et atteindre le niveau de QoI requis par les services/usagers demandeurs. Nous présentons d'abord le problème d'optimisation multi-objectif correspondant. Ensuite, nous proposons l'algorithme d'allocation équitable des tâches de sensing, (F-QEMSS), où nous avons eu recours à l'heuristique de la recherche taboue (TS) pour résoudre ce problème. Les résultats de la simulation montrent l'efficacité de notre solution. Particulièrement, F-QEMSS réalise un taux d'équité de 96% mesuré par l'indice de Jain tout en préservant le même niveau de QoI atteint par des algorithmes d'allocation non équitables.