Les techniques de pré-distorsion numérique (DPD) en bande de base permettant de linéariser un amplificateur de puissance (PA) avec effets mémoires non linéaires sont étudiées. Des éléments de base liés à la linéarisation du PA sont introduits, tels que le comportement non-linéaire du PA, son influence sur les systèmes de communication, sa modélisation et caractérisation... Puis certaines techniques de linéarisation existantes sont décrites, telles que le recul de puissance, le feedforward, la boucle de retour, l’amplification linéaire avec des composants non linéaires et la DPD. La DPD est la technique de linéarisation la plus prometteuse. L’architecture d’implémentation et les algorithmes d’identification de la DPD sont décrits. Dans cette thèse, quatre méthodes originales de DPD sont proposées. La première méthode (MP/LUT DPD) combine un modèle polynomial à mémoire (MP) avec une simple LUT. L’amplitude et la phase du signal prédistordu sont calculées par cette LUT. La deuxième méthode consiste à ajouter une interpolation linéaire à cette méthode. La troisième méthode consiste à améliorer la technique d’interpolation par une interpolation quadratique. La quatrième méthode exploite conjointement la MP DPD et un réseau de neurones. L’innovation principale dans cette dernière, réside dans l’apprentissage du réseau de neurones avec les échantillons du signal pré-distordu par la MP DPD. Enfin, les résultats de simulation et expérimentaux en termes de linéarisation, d’amélioration spectrale, de rotation de constellation et de temps de calculs sont fournis. Les méthodes proposées permettent différents compromis entre les performances de linéarisation et la complexité.