L'habitat intelligent est une nouvelle tendance dans les bâtiments résidentiels. Dans ce cadre, notre travail s'inscrit dans le but de réduire la consommation de chauffage. La difficulté du paradigme réside dans le maintien du confort thermique tout en minimisant la consommation. Le cadre formel de notre travail est la théorie des fonctions de croyance qui offre une flexibilité dans la modélisation des données incertaines. La contribution principale de cette thèse est portée par des algorithmes de fusion comportant des données hétérogènes. Une méthodologie spécifique a été mise en place pour la conception de distribution de masses des fonctions de croyance. Le résultat de ces algorithmes est un gradient de température qui intégré, sera la référence de température dans la commande automatique du chauffage. Concernant, la commande du chauffage, nous avons choisi la commande prédictive généralisée (GPC) pour sa capacité à optimiser la fonction de coût. Deux stratégies de fusion sont proposées. Dans le premier algorithme, nous élaborons une fusion de données en deux niveaux; alors que dans le second, nous proposons un algorithme à un seul niveau avec une conception de distribution de masse moins commise. Les résultats de fusion obtenus sont encourageants en termes d'efficacité et de fiabilité. Les simulations du gradient de température avec le GPC montrent que nous obtenons des résultats cohérents ce qui tend à montrer que nous sommes en mesures de proposer des économies de consommation tout en maintenant un niveau de confort thermique convenable