L'humidité du sol est une variable climatique essentielle dont le suivi à l'échelle globale est possible grâce à des instruments micro-ondes à bord des satellites. La précision de ces estimations est validée par comparaison directe aux mesures au sol. Tandis que les estimations satellitaires ont des résolutions allant de 30 à 100 km, les capteurs in situ sont généralement représentatifs d'une zone de quelques centimètres (résolution ponctuelle). Cette différence entre l'échelle spatiale des estimations satellitaires et in situ impacte le processus de validation et les statistiques obtenues à un niveau qui n'est pas connu actuellement. Cette thèse vise à améliorer la connaissance de l'impact du changement d'échelle spatiale, ainsi qu'à fournir des méthodes d'évaluation de celle-ci applicables à toute zone de validation. Pour ce faire, la relation entre les échelles spatiales et temporelles a été étudiée. Des séries modélisées et mesurées sur des régions différentes du globe ont été décomposées en échelles de temps allant de 0,5 et 128 jours, en utilisant des transformées en ondelettes. La représentativité spatiale des mesures à résolution ponctuelle a ensuite été évaluée, par échelle de temps, avec 4 approches différentes : l'analyse de la stabilité temporelle, la triple colocation, le pourcentage de zones corrélées (CArea) et une nouvelle approche utilisant des corrélations basées sur des ondelettes (WCor). De plus, l'incertitude d'échantillonnage a été évaluée séparément avec des approches bootstrap et des simulations de Monte Carlo de séries à résolution ponctuelle. À l'issue de ces expériences, il y a été constaté que la moyenne des valeurs de représentativité spatiale obtenues tend à augmenter avec l'échelle de temps, mais aussi leur dispersion. Cela implique que certaines stations ont de vastes zones de représentativité à des échelles saisonnières, tandis que d'autres ne l'ont pas. Aux échelles sous-hebdomadaires, toutes les stations présentaient de très petites zones de représentativité. Enfin, l'impact de l'incertitude d'échantillonnage s'est avéré assez important dans les métriques de validation satellitaire. / Soil moisture is an essential climate variable that is globally monitored with the help of satellite borne microwave instruments. The accuracy of satellite soil moisture estimations is assessed by direct comparison to in situ measurements. While satellite estimates have a resolution ranging between 30 and 100 km, in situ sensors typically measure over an area of a few centimetres (point resolution). This spatial scale mismatch between satellite and in situ soil moisture estimates impairs the validation process and the respective summary statistics to an extent that is not currently known. This thesis aims at improving the knowledge of the spatial scale mismatch, as well as providing methods for its assessment applicable to any validation area. To this end, the connection between the SM spatial and time scales was investigated. Modelled and measured soil moisture series at different regions of the globe were decomposed into time scales ranging from 0.5 to 128 days, using wavelet transforms. The spatial representativeness of the point measurements was then assessed, on a per time scale basis, with 4 different approaches: temporal stability analysis, triple collocation, the percentage of correlated areas (CArea) and a new approach that uses wavelet- based correlations (WCor). Moreover, one of the components of the mismatch, the sampling uncertainty, has been assessed separately with bootstrap and Monte Carlo simulations of point-support series. It was found that the average of the spatial representativeness values tends to increase with the time scales but so does their dispersion. This implies that some stations had large representativeness areas at seasonal scales, while others do not. At sub-weekly scales, all stations exhibited very small representativeness areas. Finally, the sampling uncertainty has been observed to have a considerable impact on satellite validation statistics.