L'étude du climat et la météorologie nécessitent des modèles, mais également des bases de données indépendantes, issues d'observations in situ ou satellites. L'importance de ces dernières grandit. Nous proposons, dans cette thèse, d'optimiser leur utilisation pour restituer, à l'échelle globale, des profils atmosphériques de température et de vapeur d'eau. La contribution des surfaces terrestres sur le rayonnement conditionne la qualité des restitutions au-dessus des continents. Un schéma d'inversion bayésienne de l'équation de transfert radiatif a donc été mis au point. Il permet de restituer simultanément la température et l'émissivité hyper-spectrale infrarouge de la surface, à partir des mesures de l'instrument IASI. Une chaîne opérationnelle a été construite, entrainant la création d'une base de données d'émissivités infrarouges et de températures de surface depuis 2007. Ces informations de surface sont ensuite intégrées dans un algorithme de restitution de profils atmosphériques. Elles permettent une diminution notable de l'erreur, notamment dans les basses couches de l'atmosphère, cruciales en météorologie. Les réseaux de neurones utilisées pour les restitutions nécessitent des bases d'apprentissage. Nous avons donc mis au point une méthode d'échantillonnage de variables hétérogènes et de grande dimension. Enfin, nous avons montré que l'utilisation conjointe des observations infrarouges et micro-ondes est une source prometteuse d'amélioration de la télédétection satellite. La synergie entre des instruments tels IASI, AMSU-A et MHS sur la plateforme MetOp permet de mieux restituer les profils atmosphériques.