Dans le domaine de l'Interaction Homme-Robot, et plus particulièrement dans le domaine de la robotique sociale, les robots compagnons font de plus en plus partie de notre vie quotidienne et ont un grand potentiel pour aider les gens dans leurs activités quotidiennes, speciallement dans le cas d'une interaction "one to one". Ce scénario où les robots partagent le même environnement avec les humains et interagissent avec eux peut être bénéfique mais il peut aussi présenter des effets négatifs, comme générer un stress sur les utilisateurs humains, c'est aussi le cas de l'effet de la facilitation sociale, abordé au début de ce travail.Avoir des robots qui nous aident dans nos activités quotidiennes conduit à la nécessité de les doter de capacités sociales afin d'adapter leur comportement à leurs utilisateurs, leur environnement et leurs tâches. Néanmoins, comment réaliser cette adaptation reste un défi.Afin de répondre à ces questions de recherche, "Comment atteindre l'apprentissage tout au long de la vie et l'adaptation pour l'interaction humaine-robot personnalisée?" et "Quel est le rôle de la personnalité, de la mémoire et de l'orientation réglementaire dans HRI?", nous proposons l'utilisation du modèle "Big 5 traits" de personnalité afin d'adapter le comportement du robot au profil des utilisateurs. De plus, notre système contient une implémentation du modèle OCC et une mémoire de type épisodique, afin de générer un comportement naturel, capable de se souvenir des événements passés et de se comporter en conséquence. Nous présentons plusieurs études expérimentales, où nous testons notre système, et où nous analysons le lien entre les traits de personnalité de l'utilisateur humain et le comportement du robot. La contrainte générée sur les utilisateurs a été mesurée en utilisant des capteurs externes tels qu'une caméra thermique et un capteur GSR. Notre système proposé s'est révélé efficace pour générer un comportement de robot adapté à la personnalité des utilisateurs. Nous avons trouvé quelques relations entre la personnalité, les préférences de l'utilisateur et la performance de la tâche, qui sont détaillées dans ce travail. Nos études ont montré que les personnes ayant un haut niveau de conscience ont une meilleure performance que les personnes peu consciencieuses. En outre, les personnes introverties étaient plus influencées pour effectuer une tâche que les personnes extraverties. En outre, nous avons observé une augmentation du stress de l'utilisateur, causée par un robot avec une voix semblable à une machine.En plus de s'adapter aux préférences des utilisateurs, nous voulions que notre système soit capable de générer des comportements de robot capables depersuader efficacement leurs utilisateurs d'accomplir les tâches qu'ils doivent accomplir (prendre des médicaments, appeler des membres de la famille, etc.). Pour cette raison, nous proposons l'utilisation de la théorie Regulatory Focus, qui se concentre sur les inclinations que les gens ont lorsqu'ils prennent des décisions, et comment augmenter la motivation des gens à atteindre un objectif. Nous avons mené plusieurs expériences afin de valider cette théorie dans le contexte de l'interaction homme-robot. Nos résultats montrent que les comportements de robot basés sur la théorie de la focalisation réglementaire, y compris les gestes corporels et la vitesse de la parole, sont efficaces pour persuader les utilisateurs d'accomplir une tâche. Nous avons également constaté une augmentation du stress chez les utilisateurs lorsque le robot ne correspondait pas à l'état réglementaire de l'utilisateur.Nous concluons que les sujets abordés dans cette thèse, à savoir: personnalité, mémoire et focus réglementaire, doivent être inclus dans la conception des comportements des robots, afin d'avoir des robots plus efficaces sur les tâches persuasives, et moins stressant pour leurs utilisateurs .