Les services de localisation de personnes et de matériels sont de plus en plus demandés. En environnement extérieur, les outils GPS offrent une réponse à cette demande croissante, avec une précision de l'ordre du mètre en espace dégagé. En intérieur, il n'existe pas d'outil aussi performant. Les solutions commerciales sont coûteuses en équipement. Les propositions de recherche, quant à elles, font appel soit à du matériel coûteux soit à une infrastructure lourde. Enfin, le succès actuel des téléphones mobiles "intelligents" auprès du grand public d'une part, et l'émergence des réseaux de capteurs dans le monde académique nous amènent à étudier des solutions viables y compris pour des mobiles ne disposant que de la réception de signaux radio.L'objectif de cette thèse est de proposer une mécanisme de localisation en intérieur à la fois peu coûteux, sans recours à des équipements dédiés du type UWB ni à des infrastructures supplémentaires, tout en offrant une précision de l'ordre du mètre. Pour cela, nous faisons l'hypothèse que l'utilisateur désirant se localiser est environné de pairs sachant estimer leur position, éventuellement de façon grossière, et que l'utilisateur peut patienter quelques instants pendant que l'algorithme de localisation s'exécute. L'utilisateur collecte alors de façon opportuniste les informations de localisation de tous ces pairs.Dans cette thèse nous étudions les performances en termes de précision d'une méthode de localisation utilisant des inégalités matricielles linéaires (LMI), en faisant varier un grand nombre de paramètres. Nous comparons systématiquement ces performances à celles de l'une des solutions les plus simples, celle du centre de gravité de tous les pairs à portée. Nous améliorons ensuite l'approche LMI en la couplant à une moyenne pondérée dans le temps, qui permet d'obtenir une bien meilleure précision proche du mètre. Enfin, nous terminons par des considérations d'implémentation.Les travaux de cette thèse ont été menés dans le cadre du projet ANR Fusion d'Information de Localisation (FIL).