Dans le domaine de la robotique industrielle, les opérations de "pick and place" sont courantes, mais leur programmation traditionnelle est laborieuse et exigeante. La robotique autonome vise à développer des robots capables d'opérer de manière autonome dans des environnements non structurés, sans intervention humaine constante. Cela implique la prise de décisions autonomes et l'adaptation à des situations changeantes sans programmation précise pour chaque scénario. Les avancées technologiques dans la perception, la planification, la prise de décision et l'interaction avec l'environnement sont cruciales. Les robots autonomes doivent percevoir efficacement leur environnement à l'aide de capteurs tels que des caméras et des lidars. Ensuite, ils doivent planifier leurs actions, en générant des trajectoires et des stratégies pour atteindre leurs objectifs tout en évitant les obstacles. Cependant, la complexité augmente lorsqu'il s'agit de systèmes avec plusieurs robots effectuant diverses tâches, nécessitant une allocation efficace des tâches et une coordination des mouvements pour minimiser les temps de cycle et éviter les collisions. L'objectif global de ce travail est de proposer un ensemble de techniques permettant une collaboration efficace entre plusieurs robots, dans un environnement contraint, réalisant des tâches de pick and place d'objets ayant des positions aléatoires. Dans cette communication, nous allons proposer une perspective sur l'utilisation d'outils de la recherche opérationnelle pour résoudre ce problème.