L'objet de cette thèse est la détection et l'estimation du mouvement d'objets déformables. Ce travail a été appliqué à l'imagerie satellitaire. Nous nous sommes particulièrement intéressés aux images infrarouges météorologiques. Sur de telles images, les structures en mouvement sont les nuages. Pour localiser ces structures, nous utilisons un modèle markovien de segmentation qui intègre des propriétés d'homogénéité et de régularité caractérisant les structures nuageuses. Ce modèle markovien fonctionne comme un processus de croissance de région avec un procédé automatique d'estimation des paramètres du modèle. Dans une seconde partie, nous proposons une méthode originale pour l'estimation du mouvement. Au lieu de supposer l'invariance de l'intensité lumineuse de chaque point au cours de son déplacement, hypothèse classiquement faite mais non vérifiée dans notre contexte, nous supposons l'invariance de l'intensité lumineuse totale d'un objet. Dans le contexte d'images infrarouges nous montrons que l'hypothèse d'invariance de l'intensité lumineuse totale équivaut à une hypothèse de conservation du volume des nuages. Nous montrons également que cette dernière hypothèse mène à une nouvelle contrainte qui est exactement l'équation de la conservation de la masse, utilisée en mécanique des fluides. Un formalisme variationnel est utilisé pour la résolution de cette équation aux dérivées partielles. Deux variantes de ce modèle sont également proposées, intégrant des modèles affines de mouvement ou unifiant les deux principes d'invariances précédement cités. Finalement, ces méthodes permettent de reconstruire avec précision les trajectoires des nuages au cours du temps. Dans une dernière partie prospective, nous proposons une méthode simple d'analyse des trajetoires des nuages basée sur une décomposition sur une base de spline et des procédés d'analyse de données de ces décompositions.

The purpose of this thesis is the detection of deformable structures and the estimation of their motion. This work is applied to satellite imagery, and specifically focused on meteorological infrared images. On these images, the structures of interest are clouds. A markovian model is proposed to locate these structures. This model captures cloud structures with homogeneity and regularity properties. The second part of this work introduces a novel method for motion estimation. The classical hypothesis underlying motion estimation is the invariance of brightness of each point during its displacement. This hypothesis is not valid in the context of our work. We therefore propose a method based on the invariance of moving objects'total brightness. Applied to clouds on infrared data, this hypothesis is proved to be equivalent to the invariance of volume. We demonstrate that this leads to a constraint strictly equivalent to the equation of mass conservation in fluid mechanisms. This partial differential equation is then solved within a variational framework. Two alternatives are proposed, the first one using a prior affine motion model, the second unifying the two invariance principles mentioned above. These methods are applied to the reconstruction of clouds' trajectories. A framework is proposed to analyse these trajectories: it is based on a decomposition of trajectories on a spline functions basis, this decomposition being plugged into a data analysis system.