Le changement climatique est une réalité et les industries les plus polluantes, comme le secteur de la mobilité, doivent s’adapter. L’électrification des véhicules apparaît alors comme un des leviers à actionner pour réduire les émissions dans ce secteur. Cette évolution vers des véhicules plus électriques permet de nouvelles architectures et l’autonomisation de plus en plus de fonctions. De relativement nouvelles applications apparaissent, telles que le steer by wire ou le brake by wire, dans lesquelles il n’existe plus de lien mécanique entre le conducteur et les organes d’actionnement. Ces applications touchent directement à la sécurité des personnes et c’est pourquoi elles doivent avoir un haut niveau de fiabilité. Si un défaut apparaît, l’entraînement électrique doit pouvoir assurer un minimum de fonctionnement afin de permettre au conducteur de se garer en toute sécurité. Dans le cas de véhicules totalement autonomes, comme les convois de camions ou les flottes partagées, garder le même niveau de fonctionnement après l’apparition d’un ou plusieurs défauts est également intéressant. Néanmoins, les entraînements triphasés traditionnels ne permettent pas de répondre à ces exigences. A contrario, les entraînements polyphasés ont déjà été investigués pour des applications navales ou aéronautiques pour lesquels les exigences de fiabilité sont hautes, mais où les volumes sont relativement faibles. C’est pourquoi cette thèse vise à concevoir un entraînement polyphasé et son contrôle pour des applications automobiles sécuritaires, tout en prenant en compte des contraintes de coût et d’industrialisation. Des outils d’évaluation de la fiabilité ont tout d’abord été étudiés et appliqués afin de vérifier le gain offert par les entraînements polyphasés. Malgré une augmentation du nombre de composants, la fiabilité fonctionnelle est améliorée à travers les modes dégradés qui permettent de conserver une partie de la fonctionnalité. Le contrôle d’un entraînement polyphasé diffère d’un contrôle triphasé, mais peut être vu comme l’extension du contrôle classique dans la base d-q, avec des éléments supplémentaires à considérer. Une approche de comparaison de différents entraînements polyphasés a été proposée, en incluant des critères relatifs au coût et au fonctionnement en mode dégradé. A l’issue de cette étude, une machine double pentaphasée a été prototypée et a permis de tester les différents algorithmes de commande après défaut. Les changements des références de courant et l’ajout de réseaux de neurones simple couche en parallèle des régulateurs PI, ont permis un gain significatif sur les performances de l’entraînement après défaut. Cette thèse a mis en évidence les nombreuses contraintes lors du dimensionnement d’un entraînement tolérant aux défauts, avec la nécessité de prendre en compte tant le moteur que son convertisseur. En particulier, il est nécessaire de prendre en considération les limites de l’entraînement complet, aussi bien en mode sain qu’en mode dégradé, afin de maximiser le niveau de fonctionnalité tout en minimisant le surdimensionnement.