Pas de résumé disponible / The work done in this thesis is related to the project 3DStrain the overall objective of which is to develop a generic framework for the parietal and regional tracking of the left ventricle and to adapt it the 3D + t cardiac imaging modalities used in clinical routine (3D ultrasound, SPECT, cine MRI). We worked on the parietal motion and myocardial deformation. We made the state-of-the-art on motion estimation approaches in general and on methods applied to imaging modalities in clinical practice to quantify myocardial deformation taking into account their specificities and limitations. We focused on tracking methods that optimize the similarity between the intensities between consecutive images of a sequence to estimate the spatial velocity field. They are based on the assumption of the invariance of image gray level (or optical flow) and regularization terms are used to solve the aperture problem. We proposed a regularization term well suited to physical and physiological properties of myocardial motion. The advantage of the proposed approach relies on its flexibility to estimate the dense field of myocardial motion on image sequences over the cardiac cycle. Motion is estimated while preserving myocardial wall discontinuities. However, the data similarity term used in our method is based only on the intensity of the image. It properly estimates the displacement field especially in the radial direction as the movement of circumferential twist is hardly visible on cine MRI in short axis view, the data we used for performing the experiments. To make the estimation more robust, we proposed a dynamic evolution model for the cardiac contraction and relaxation to introduce the temporal constraint ofthe dynamics of the heart. This model helps to estimate not only the dense field of myocardial displacement, but also other parameters of myocardial contractility (the contraction phase and asymmetry between systole and diastole) in variational data assimilation formalism. Automatic estimation of deformation and myocardial contractibility (the strain, phase and asymmetry) was validated against the cardiological and radiological expertise (Dr Elisabeth Coupez and Dr Lucie Cassagnes, CHU Clermont-Ferrand) through semi-quantitative scores of contraction called Wall Motion Score (WMS) and Wall Thickening Index (WTI). The proposed method provides promising results for both motion estimation results and the diagnosis indices for evaluation of myocardial dyskinesia. In order to gain in robustness and accuracy, it is necessary to perform the measurement of strain and indices of myocardial contraction precisely inside endocardial and epicardial walls. Therefore, we conducted a collaborative work with Kevin Bianchi, another PhD student on the project 3DStrain and we proposed a method of coupling of myocardial segmentation by deformable models and estimation of myocardial motion in a variational data assimilation framework.

Cette thèse s’intéresse à l’analyse de séries temporelles d’images satellites à moyenne résolution spatiale. L’intérêt principal de telles données est leur haute répétitivité qui autorise des analyses de l’usage des sols. Cependant, deux problèmes principaux subsistent avec de telles données. En premier lieu, en raison de la couverture nuageuse, des mauvaises conditions d’acquisition, ..., ces données sont souvent très bruitées. Deuxièmement, les pixels associés à la moyenne résolution spatiale sont souvent “mixtes” dans la mesure où leur réponse spectrale est une combinaison de la réponse de plusieurs éléments “purs”. Ces deux problèmes sont abordés dans cette thèse. Premièrement, nous proposons une technique d’assimilation de données capable de recouvrer des séries temporelles cohérentes de LAI (Leaf Area Index) à partir de séquences d’images MODIS bruitées. Pour cela, le modèle de croissance de plantes GreenLab estutilisé. En second lieu, nous proposons une technique originale de démélangeage, qui s’appuie notamment sur des noyaux “élastiques” capables de gérer les spécificités des séries temporelles (séries de taille différentes, décalées dans le temps, ...)Les résultats expérimentaux, sur des données synthétiques et réelles, montrent de bonnes performances des méthodologies proposées. / This PhD dissertation is concerned with time series analysis for medium spatial resolution (MSR) remote sensing images. The main advantage of MSR data is their high temporal rate which allows to monitor land use. However, two main problems arise with such data. First, because of cloud coverage and bad acquisition conditions, the resulting time series are often corrupted and not directly exploitable. Secondly, pixels in medium spatial resolution images are often “mixed” in the sense that the spectral response is a combination of the response of “pure” elements.These two problems are addressed in this PhD. First, we propose a data assimilation technique able to recover consistent time series of Leaf Area Index from corrupted MODIS sequences. To this end, a plant growth model, namely GreenLab, is used as a dynamical constraint. Second, we propose a new and efficient unmixing technique for time series. It is in particular based on the use of “elastic” kernels able to properly compare time series shifted in time or of various lengths.Experimental results are shown both on synthetic and real data and demonstrate the efficiency of the proposed methodologies.

Cette thèse est dédiée au développement d'outils mathématiques innovants améliorant la modélisation en électrophysiologie cardiaque.Une présentation du modèle bidomaine - un système réaction-diffusion - à domaine fixé est proposée en s'appuyant sur la littérature et une justification mathématique du processus d'homogénéisation (convergence «2-scale») est donnée. Enfin, une étude de l'impact des déformations mécaniques dans les lois de conservation avec la théorie des mélanges est faite.Comme les techniques d'imagerie ne fournissent globalement que des surfaces pour les oreillettes cardiaques dont l'épaisseur est très faible, une réduction dimensionnelle du modèle bidomaine dans une couche mince à une formulation posée sur la surface associée est étudiée. À l'aide de techniques développées pour les modèles de coques, une analyse asymptotique des termes de diffusion est faite sous des hypothèses de gradient d'anisotropie fort à travers l'épaisseur. Puis, une modélisation couplée du cœur - asymptotique pour les oreillettes et volumique pour les ventricules - permet la simulation d'électrocardiogramme complet. De plus, les méthodes asymptotiques sont utilisées pour obtenir des résultats de convergence forte pour les modèles de coque-3D.Enfin, afin de «personnaliser» les modèles, une méthode d'estimation est proposée. Les données médicales intégrées dans notre modèle - au moyen d'un filtre d'état de type Luenberger spécialement conçu - sont les cartes d'activation électrique. Ces problématiques apparaissent dans d'autres domaines où les modèles (réaction-diffusion) et les données (position du front) sont similaires, comme la propagation de feux ou la croissance tumorale. / This thesis aims at developing innovative mathematical tools to improve cardiac electrophysiological modeling. A detailed presentation of the bidomain model - a system of reaction-diffusion equations - with a fixed domain is given based on the literature and we mathematically justify the homogenization process using the 2-scale convergence. Then, a study of the impact of the mechanical deformations in the conservation laws is performed using the mixture theory.As the atria walls are very thin and generally appear as thick surfaces in medical imaging, a dimensional reduction of the bidomain model in a thin domain to a surface-based formulation is studied. The challenge is crucial in terms of computational efficiency. Following similar strategies used in shell mechanical modeling, an asymptotic analysis of the diffusion terms is done with assumptions of strong anisotropy through the thickness, as in the atria. Simulations in 2D and 3D illustrate these results. Then, a complete modeling of the heart - with the asymptotic model for the atria and the volume model for the ventricles - allow the simulation of full electrocardiogram cycles. Furthermore, the asymptotic methods are used to obtain strong convergence results for the 3D-shell models.Finally, a specific data assimilation method is proposed in order to «personalize» the electrophysiological models. The medical data assimilated in the model - using a Luenberger-like state filter specially designed - are the maps of electrical activation. The proposed methods can be used in other application fields where models (reaction-diffusion) and data (front position) are very similar, as for fire propagation or tumor growth.

Cette thèse a développé et mis en œuvre des algorithmes itératifs d'assimilation de données pour un modèle d'océan aux équations primitives, et les a comparés avec d'autres méthodes d'AD bien établis tels que le 4Dvar et le Singular Evolutive Extended Kalman (SEEK) Filtre /lisseur. Le modèle numérique utilisé est le modèle NEMO. Il a été configuré pour simuler la circulation typique subtropicale en double gyre. Les nouveaux algorithmes itératifs proposés, semblables au Nudging direct et rétrograde - BFN, sont tous basés sur une séquence d'intégrations alternées du modèle direct et rétrograde. Ce sont le ``Backward Smoother'' (BS), qui utilise le modèle rétrograde pour propager librement des observations "futures" en rétrograde dans le temps, et le ``Back and Forth Kalman Filter'' (BFKF), qui utilise également le modèle rétrograde pour propager les observations en arrière dans le temps, mais qui à chaque fois qu'un lot d'observations est disponible, réalise une étape de mise à jour du système similaire à l'étape de mise à jour du filtre SEEK. Le formalisme Bayésien a été utilisé pour dériver ces méthodes, ce qui signifie qu'ils peuvent être utilisés avec n'importe quelle méthode qui estime la probabilité postérieure du système par des méthodes séquentielles. Les résultats montrent que l'avantage principal des méthodes basées sur le BFN est l'utilisation du modèle rétrograde pour propager les informations des observations en arrière dans le temps. / This thesis developed and implemented iterative data assimilation algorithms for a primitive equation ocean model, and compared them with other well established DA methods such as the 4Dvar and the Singular Evolutive Extended Kalman (SEEK) Filter/Smoother. The new proposed iterative algorithms, similarly to the Back and Forth Nudging (BFN), are all based on a sequence of alternating forward and backward model integrations. Namely, they are the Backward Smoother (BS), which uses the backward model to freely propagate “future” observations backward in time, and the Back and Forth Kalman Filter, which also uses the backward model to propagate the observations backward in time but, at every time an observation batch is available, an update step similar to the SEEK filter step is carried out. The Bayesian formalism was used to derive these methods, which means that they may be used with any algorithm that estimates the “a posteriori” conditional probability of the model state by means of sequential methods. The results show that the main advantage of the methods based on the BFN is the use of the backward model to propagate the observation informations backward in time. By this way, it avoids the use of the adjoint model, needed by the 4Dvar, and of unknown temporal correlations, needed by the Kalman Smoother, to produce initial states or past model trajectories. The advantages of using the Back and Forth (BF) idea rely on the implicit use of the unstable forward subspace, which became stable when stepping backwards, that allows the errors components projecting onto this subspace to be naturally damped during the backward integration.

Les radars à nuages sont des atouts indéniables pour la Prévision Numérique du Temps (PNT). De par leur petite longueur d’onde, ils possèdent une excellente sensibilité aux particules nuageuses et ils sont facilement déployables à bord de plates-formes mobiles. Cette thèse a permis d’évaluer l’apport des observations de radars à nuages pour la validation et l’initialisation de modèles de PNT à échelle kilométrique. Dans la première partie, un opérateur d’observation pour la réflectivité en bande W a été conçu en cohérence avec le schéma microphysique à un moment d'Arome, le modèle de PNT à échelle kilométrique de Météo-France, mais de façon suffisamment générale pour pouvoir être adapté à un autre modèle de PNT à échelle kilométrique. Il est adaptable pour des radars à visée verticale aéroportés ou au sol. Afin de dissocier les erreurs de positionnement des nuages prévus par Arome, de celles présentes dans l’opérateur d’observation, une nouvelle méthode de validation, appelée "la méthode de la colonne la plus ressemblante (CPR), a été élaborée. Cette méthode a été employée afin de valider et de calibrer l'opérateur d'observation en utilisant les profils de réflectivité collectés par le radar à nuages aéroporté Rasta dans des conditions variées durant la première période d’observations (SOP1) du programme international HyMeX, qui vise à améliorer notre compréhension du cycle de l'eau en méditerranée. La seconde partie s'est intéressée à l'apport respectif de l'assimilation de profils verticaux de réflectivité et de vents horizontaux mesurés par le radar à nuages Rasta dans le système d'assimilation variationnel tridimensionnel (3DVar) d'Arome. Le bénéfice apporté par des conditions thermodynamiques, via l'assimilation de la réflectivité en bande W, et dynamiques, via l'assimilation des profils de vents horizontaux, cohérentes dans l'état initial a également été étudié. Pour assimiler la réflectivité en bande W, la méthode d'assimilation "1D+3DVar", qui est opérationnelle dans Arome pour assimiler les réflectivités des radars de précipitation au sol, a été employée. La méthode de restitution bayésienne 1D de profils d'humidité a été validée avec des mesures d'humidité in situ indépendantes. Puis, les expériences d'assimilation ont été menées sur un événement fortement convectif, ainsi que sur une plus longue période de 45 jours. Les résultats suggèrent notamment que l'assimilation conjointe des profils de réflectivité en bande W et des profils verticaux de vents horizontaux permet d'améliorer les analyses d'humidité, mais suggèrent également une légère amélioration des prévisions des cumuls de précipitation / Cloud radars are an undeniable assets for Numerical Weather Prediction (NWP) models. Because of their very short wavelength, they are extremely sensitive to cloud microphysical properties and are easily deployable aboard moving platforms such as aircraft or spacecraft. This PhD has explored the potential of cloud radar data for the validation and initialisation of kilometre-scale NWP models. In the first part of the PhD, a W-band reflectivity forward operator was designed. It is consistent with the one-moment microphysical scheme used in the Météo-France kilometre-scale NWP model AROME, but in a sufficiently general way that it could be adapted to other kilometrescale NWP models. It was designed in particular for airborne or ground-based vertically pointing cloud radars. To disentangle spatial location errors in the model from errors in the forward operator, a neighbourhood validation method, called the “Most Resembling Method” (MRC), was designed. This validation method was used to validate and calibrate the forward operator using the data collected by the airborne cloud radar RASTA in diverse conditions during the first Special Observation Period (SOP1) of the HyMeX international program, which aims to improve our understanding of the Mediterranean water cycle. The second part focused on the respective roles of the assimilation of reflectivity and horizontal wind profiles, measured by the cloud radar RASTA, in the three dimensional variational (3DVar) assimilation system of AROME. The benefit brought by consistent thermodynamic conditions in the initial state, through the assimilation of the W-band reflectivity, and dynamic ones, through the assimilation of horizontal wind profiles, was also investigated.To assimilate the W-band reflectivity, the two-step assimilation method “1D+3DVar”, operationally employed in AROME to assimilate ground-based precipitation radar data, was used. The efficiency of the 1D Bayesian method in retrieving humidity fields is assessed using independent in-flight humidity measurements. The assimilation experiments were performed for a heavy convective event, as well as over a longer period of 45 days. In particular, the results indicate that the joint assimilation of W-band reflectivity and horizontal wind profiles suggest an improvement of moisture analyses, along with a slight improvement of the rainfall precipitation forecasts.

Reconstruire des champs géophysiques à partir d'observations bruitées et partielles est un problème classique bien étudié dans la littérature. L'assimilation de données est une méthode populaire pour aborder ce problème, et se fait par l'utilisation de techniques classiques, comme le filtrage de Kalman d’ensemble ou des filtres particulaires qui procèdent à une évaluation online du modèle physique afin de fournir une prévision de l'état. La performance de l'assimilation de données dépend alors fortement de du modèle physique. En revanche, la quantité de données d'observation et de simulation a augmenté rapidement au cours des dernières années. Cette thèse traite l'assimilation de données d'une manière data-driven et ce, sans avoir accès aux équations explicites du modèle. Nous avons développé et évalué l'assimilation des données par analogues (AnDA), qui combine la méthode des analogues et des méthodes de filtrage stochastiques (filtres Kalman, filtres à particules, chaînes de Markov cachées). Des applications aux modèles chaotiques simplifiés et à des études de cas de télédétection réelle (température de surface de lamer, anomalies du niveau de la mer), nous démontrons la pertinence d'AnDA pour l'interpolation de données manquantes des systèmes dynamiques non linéaires et à haute dimension à partir d'observations irrégulières et bruyantes.Motivé par l'essor du machine learning récemment, la dernière partie de cette thèse est consacrée à l'élaboration de modèles deep learning pour la détection et de tourbillons océaniques à partir de données de sources multiples et/ou multi temporelles (ex: SST-SSH), l'objectif général étant de surpasser les approches dites expertes. / Reconstructing geophysical fields from noisy and partial remote sensing observations is a classical problem well studied in the literature. Data assimilation is one class of popular methods to address this issue, and is done through the use of classical stochastic filtering techniques, such as ensemble Kalman or particle filters and smoothers. They proceed by an online evaluation of the physical modelin order to provide a forecast for the state. Therefore, the performanceof data assimilation heavily relies on the definition of the physical model. In contrast, the amount of observation and simulation data has grown very quickly in the last decades. This thesis focuses on performing data assimilation in a data-driven way and this without having access to explicit model equations. The main contribution of this thesis lies in developing and evaluating the Analog Data Assimilation(AnDA), which combines analog methods (nearest neighbors search) and stochastic filtering methods (Kalman filters, particle filters, Hidden Markov Models). Through applications to both simplified chaotic models and real ocean remote sensing case-studies (sea surface temperature, along-track sea level anomalies), we demonstrate the relevance of AnDA for missing data interpolation of nonlinear and high dimensional dynamical systems from irregularly-sampled and noisy observations. Driven by the rise of machine learning in the recent years, the last part of this thesis is dedicated to the development of deep learning models for the detection and tracking of ocean eddies from multi-source and/or multi-temporal data (e.g., SST-SSH), the general objective being to outperform expert-based approaches.

Cette thèse est dédiée à l'intégration de données complexes issues de l'imagerie dans une stratégie d'assimilation de données pour des modèles mécaniques. Notre stratégie s'appuie sur des travaux récents proposant une méthode séquentielle d'assimilation de données qui se décompose en un filtre de Luenberger pour l'espace d'état et un filtre optimal réduit à l'espace des paramètres. Nous l'appliquons à l'identification de paramètres pour un modèle biomécanique du cœur et, dans ce cadre, nous formalisons la construction de comparateurs de formes évolués pour deux types de données : d'une part des données extraites d'un traitement de l'Imagerie par Résonance Magnétique (IRM) de marquage tissulaire et, d'autre part, des données plus classiques de type contours de l'objet. D'abord fondés sur des simples distances nous enrichissons ces comparateurs grâce au formalisme des courants permettant d'inscrire le contour de l'objet dans le dual d'un espace de fonctions-test appropriées. Pour chacun des comparateurs nous analysons son impact sur l'observabilité du système et, pour le cas de l'imagerie de marquage tissulaire, nous prouvons qu'ils sont équivalents à une mesure directe du déplacement. D'un point de vue numérique, la prise en compte de ces mesures complexes présente d'importantes difficultées nous poussant à mettre en place des schémas numériques originaux permettant une manipulation plus flexible des différents opérateurs d'observation. Nous profitons de ces nouveaux moyens d'extraction de l'information contenue dans les données d'imagerie pour permettre, dans des cas réalistes, l'identification de la position et de l'intensité d'un infarctus du myocarde.

Mémoire numérisé par la Division de la gestion de documents et des archives de l'Université de Montréal.

Le sondeur infrarouge hyperspectral IASI (Interféromètre Atmosphérique de Sondage Infrarouge), développé conjointement par le CNES et EUMETSAT à bord du satellite européen Metop, permet, entre autres, le sondage de la température, de l'humidité ainsi que la restitution de paramètres de surface. Bien que l'on tire le meilleur parti de ces données sur la mer, leur utilisation est encore limitée au-dessus des terres dans le contexte de la prévision numérique du temps, à cause de l'incertitude plus grande sur l'émissivité et la température de surface (Ts). Ces erreurs se répercutent sur la qualité des simulations de transfert radiatif et empêche l'utilisation de ces mesures dans les modèles de prévision numérique du temps. Seuls les canaux non sensibles à la surface terrestre sont assimilés de façon opérationnelle, limitant ainsi le potentiel de sondage aux couches atmosphériques les plus élevées. Cette thèse a pour but l'amélioration de la description des paramètres de surface dans le modèle global ARPEGE de Météo-France en vue de l'assimilation des données du sondeur IASI sur les continents. Nous avons d'abord cherché à améliorer la modélisation de la surface (émissivité et Ts) sur les continents dans le modèle ARPEGE. Pour cela, différents atlas d'émissivité ont été intégrés dans ce modèle : l'un a été calculé à partir des données MODIS (Moderate-Resolution Imaging Spectroradiometer) par l'Université du Wisconsin et le second a été construit à partir des produits IASI de niveau 2 (L2) développés par EUMETSAT. La Ts a ensuite été restituée à partir de canaux de surface IASI en profitant d'une meilleure connaissance de l'émissivité de surface donnée par ces atlas. Ces Ts ont été évaluées par comparaison avec les produits MODIS de la NASA et les produits IASI L2 d'EUMETSAT. Ces comparaisons nous ont permis de sélectionner une combinaison de canaux qui fournit les meilleures estimations de Ts. L'utilisation d'une modélisation de surface réaliste a contribué à l'amélioration de la qualité des simulations de transfert radiatif pour les canaux sensibles à la surface. Les radiances IASI sensibles à la surface ont alors pu être assimilées sur les continents dans le modèle ARPEGE en ciel clair et en utilisant la paramétrisation de surface définie précédemment. Les impacts sur la qualité des analyses et des prévisions ont été étudiés. La prise en compte d'une émissivité et d'une Ts précises a permis d'augmenter significativement le nombre d'observations assimilées. Les principales améliorations concernent les prévisions de géopotentiel et de température pour des pressions inférieures à 400~hPa (en dehors des tropiques). Enfin, dans un cadre plus spécifique et climatologique, nous nous sommes intéressés à la validation de l'utilisation des données IASI en Antarctique durant la campagne Concordiasi. Cette étude a permis d'améliorer les profils inversés de température et de vapeur d'eau par comparaison avec les profils provenant du modèle. L'amélioration est particulièrement importante pour la température de surface. Dans ce cadre, les Ts restituées dans cette thèse ont été comparées à Concordia et au Pôle Sud avec des mesures in-situ et se sont révélées particulièrement précises à Concordia. / The Infrared Atmospheric Sounding Interferometer (IASI), on-board the EUMETSAT Polar System Metop satellite, is developed by CNES in the framework of a co-operation agreement with EUMETSAT. IASI enables, amongst other, infrared soundings of temperature, moisture and retrievals of surface parameters. However in the numerical weather prediction context, these observations are not as intensively used over land as they are over sea because of larger uncertainties about land emissivity and land surface temperature (LST). These uncertainties have an impact on the quality of radiative transfer simulation and hinder the use of these measurements in numerical weather prediction models. Only channels that are not sensitive to the surface are currently assimilated in operations, which limits the potential of sounding instruments to the highest atmospheric layers. This PhD aims to improve the description of land surface parameters in the ARPEGE global model of Météo-France to assimilate IASI data over land. First of all, we tried to improve the surface modelling (surface emissivity and LST) over land in the ARPEGE model. To this end, two emissivity atlases were integrated in this model. The first one is the emissivity climatology computed from the IASI Level-2 products from EUMETSAT and the second one is the global high spectral resolution infrared land surface emissivity database (called UWIREMIS) developed by the Space Science and Engineering Center at University of Wisconsin. Hence, the LST was retrieved from IASI surface channels using these atlases as input parameters in the radiative transfer model. These LSTs were compared to land LST products: the MODIS (Moderate-Resolution Imaging Spectroradiometer) products from the NASA and the IASI Level-2 products from EUMETSAT. These comparisons enabled us to choose the IASI channel combination that provided the best LST estimates. The use of a realistic surface modelling contributed to improve the quality of radiative transfer simulations for surface sensitive channels. Then, surface sensitive IASI radiances were assimilated over land in ARPEGE in clear sky conditions using the surface parameters as previously defined. The impact on analysis and forecast quality was studied. The use of good estimates of surface emissivity and LST significantly increased the number of assimilated observations. The main improvements are for geopotential and temperature forecasts for pressure levels lower than 400~hPa (except in the tropics and in the stratosphere). Finally, from a climatological point of view and within the more specific framework of the Concordiasi campaign, we assessed and validated the use of IASI data in Antarctica. The temperature and humidity retrieved in this particular study proved of better quality than the model profiles, as assessed against the sonde measurements. The improvement is particularly striking for surface temperature. In this framework, the LST retrieved in this PhD were compared with in situ measurements at Concordia and at South Pole station. These estimates are of a great accuracy at Concordia.

La qualité des prévisions météorologiques repose principalement sur la qualité du modèle utilisé et de son état initial. Cet état initial est reconstitué en combinant les informations provenant du modèle et des observations disponibles en utilisant des techniques d'assimilation de données. Historiquement, les prévisions et l'assimilation sont réalisées dans l'atmosphère et l'océan de manière découplée. Cependant, les centres opérationnels développent et utilisent de plus en plus des modèles couplés océan-atmosphère. Or, assimiler des données de manière découplée n'est pas satisfaisant pour des systèmes couplés. En effet, l'état initial ainsi obtenu présente des inconsistances de flux à l'interface entre les milieux, engendrant des erreurs de prévision. Il y a donc besoin d'adapter les méthodes d'assimilation aux systèmes couplés. Ces travaux de thèse s'inscrivent dans ce contexte et ont été effectués dans le cadre du projet FP7 ERA-Clim2, visant à produire une réanalyse globale du système terrestre.Dans une première partie, nous introduisons les notions d'assimilation de données, de couplage et les différentes méthodologies existantes appliquées au problème de l'assimilation couplée. Ces méthodologies n’étant pas satisfaisantes en terme de qualité de couplage ou de coût de calcul, nous proposons, dans une seconde partie, des méthodes alternatives. Nous faisons le choix de méthodes d'assimilation basées sur la théorie du contrôle optimal. Ces alternatives se distinguent alors par le choix de la fonction coût à minimiser, des variables contrôlées et de l’algorithme de couplage utilisé. Une étude théorique de ces algorithmes a permis de déterminer un critère nécessaire et suffisant de convergence dans un cadre linéaire. Pour conclure cette seconde partie, les performances des différentes méthodes introduites sont évaluées en terme de qualité de l’analyse produite et de coût de calcul à l’aide d’un modèle couplé linéaire 1D. Dans une troisième et dernière partie, un modèle couplé non-linéaire 1D incluant des paramétrisations physique a été développé et implémenté dans OOPS (textit{Object-Oriented Prediction System}) qui est une surcouche logicielle permettant la mise en œuvre d’un ensemble d’algorithmes d’assimilation de données. Nous avons alors pu évaluer la robustesse de nos algorithmes dans un cadre plus réaliste, et conclure sur leurs performances vis à vis de méthodes existantes. Le fait d’avoir développé nos méthodes dans le cadre de OOPS devrait permettre à l’avenir de les appliquer aisément à des modèles réalistes de prévision. Nous exposons enfin quelques perspectives d'amélioration de ces algorithmes. / In the context of operational meteorology and oceanography, forecast skills heavily rely on the model used and its initial state. This initial state is produced by a proper combination of model dynamics and available observations via data assimilation techniques. Historically, numerical weather prediction is made separately for the ocean and the atmosphere in an uncoupled way. However, in recent years, fully coupled ocean-atmosphere models are increasingly used in operational centres. Yet the use of separated data assimilation schemes in each medium is not satisfactory for coupled problems. Indeed, the result of such assimilation process is generally inconsistent across the interface, thus leading to unacceptable artefacts. Hence, there is a strong need for adapting existing data assimilation techniques to the coupled framework. This PhD thesis is related to this context and is part of the FP7 ERA-Clim2 project, which aim to produce an earth system global reanalysis.We first introduce data assimilation and model coupling concepts, followed by some existing algorithms of coupled data assimilation. Since these methods are not satisfactory in terms of coupling strengh or numerical cost, we suggest, in a second part, some alternatives. These are based on optimal control theory and differ by the choice of the cost function to minimize, controled variable and coupling algorithm used. A theoretical study of these algorithms exhibits a necessary and sufficient convergence criterion in a linear case. To conclude about this second part, the different methods are compared in terms of analysis quality and numerical cost using a 1D linear model. In a third part, a 1D non-linear model with subgrid parametrizations was developed and implemented in OOPS (Object-Oriented Prediction System), a software overlay allowing the implementation of a set of data assimilation algorithms. We then assess the robustness of the different algorithms in a more realistic case, and concluded about their performances against existing methods. By implementing our methods in OOPS, we hope it should be easier to use them with operational forecast models. Finally, we expose some propects for improving these algorithms.