L'éclairage extérieur joue un rôle important dans la recherche et l'industrie. La compréhension de l'éclairage extérieur est essentielle dans de nombreuses applications en vision par ordinateur, infographie, films d'animation par ordinateur, gestion de l'énergie solaire, etc. L'éclairage extérieur, d'où la contribution provient majoritairement du soleil et du ciel, possède une plage dynamique extrêmement élevée (HDR pour high dynamic range). La capture de l'éclairage extérieur, y compris l'étendue de la plage dynamique et l'intensité absolue du soleil, nécessite des appareils ou des techniques spécialisés : une caméra ordinaire est incapable de la capturer. Le contenu de l'image capturé avec un appareil photo grand public est actuellement disponible sous forme de données à basse plage dynamique (LDR pour low dynamic range). Ces problèmes deviennent un obstacle majeur à la compréhension de l'éclairage extérieur. Comprendre l'éclairage extérieur à partir d'images est également une tâche difficile en raison de sa diversité : l'éclairage change considérablement en raison du mouvement des nuages et des conditions météorologiques. Dans le cadre de ce travail, nous proposons de raisonner sur l'éclairage HDR à partir d'images LDR à partir de données. Nous explorons ce problème avec le trois objectifs suivants 1) reconstruire automatiquement l'éclairage HDR à partir de panoramas extérieurs LDR capturés avec une caméra 360⁰ point-and-shoot, 2) prévoir l'énergie solaire à partir d'images du ciel capturées avec une caméra standard ; 3) estimer les paramètres d'éclairage significatifs à partir d'une seule image conventionnelle à champ de vision limité. Ces objectifs sont appuyés par des expériences et des analyses détaillées. Nous espérons que cette recherche aidera à mieux comprendre l'éclairage extérieur HDR. / Outdoor lighting plays an important role in both research and industry. Understanding outdoor illumination is essential in many applications in computer vision, computer graphics, computer-animated movies, solar energy management, etc. Outdoor illumination, which is mainly contributed by the sun and sky, has an extremely high dynamic range (HDR). Capturing outdoor illumination including the breadth of the dynamic range and the absolute intensity of the sun requires specialized devices or techniques : a regular camera is incapable of capturing it. The image contents captured with a consumer camera are currently available as low dynamic range (LDR) data. These issues become a big obstacle to understanding outdoor lighting. Understanding outdoor illumination from images is also a challenging task because of its diversity : the lighting changes dramatically due to clouds movement and weather conditions. In this work, we propose to reason about the HDR illumination from LDR images in a data-driven way. We explore this problem in the following three objectives 1) automatically reconstruct the HDR lighting from LDR outdoor panoramas captured with a point-and-shoot 360⁰ camera, 2) forecast solar energy from sky images captured with an off-the-shelf camera; 3) estimate meaningful lighting parameters from a single conventional limited field of view image. Each of these objectives provides detailed experiments and analyses. We hope this research could help to better understand the HDR outdoor illumination.