Les approches connexionnistes sont un courant fort pour la modélisation de phénomènes complexes tels que les processus cérébraux en sciences cognitives, mais plus généralement pour la modélisation de systèmes complexes rencontrés dans de nombreux domaines. Ces approches sont soutenues par une famille de modèles mathématiques dits connexionnistes, fondamentalement déterministes, mettant en jeu des fonctions de transition non linéaires couplées par un réseau de connexions fixé à la conception du modèle. L'intelligence en essaim en revanche relève actuellement d'autres types de modèles, fortement bio-inspirés eux aussi, mais qui n'entrent pas explicitement dans le paradigme connexionniste. Nous montrerons ici qu'une approche connexionniste reste possible dans l'intelligence artificielle en essaim, moyennant certaines modifications structurelles et sémantiques des modèles connexionnistes. Cette démarche nous amène à concevoir un système multi-agent logistique résultant d'une vision dynamique de l'intelligence collective. Ce système sera mis en œuvre dans le cadre de deux cas d'études caractéristiques de la phénoménologie de l'intelligence artificielle en essaim, relatifs au comportement des colonies de fourmis d'une part et à la formation des nuées d'oiseaux d'autres part.