Les images angiographiques sont utilisés pour différentes tâches comme le diagnostique, le suivie de pathologies et la planification d'interventions chirurgicales. Toutefois, en raison du faible ratio signal sur bruit et le contenu complexe des données (informations clairsemées), l'analyse des images angiographiques est une tâche fastidieuse et source d'erreurs. Ces différentes considérations ont motivé le développement de nombreuses techniques d'analyse.Les travaux de cette thèse s'organisent autour de deux axes de recherches : d'une part la segmentation des images angiographiques, et d'autre part la modélisation des réseaux vasculaires cérébraux. En segmentation, l'automatisation induit généralement un coût de calcul élevé, alors que les méthodes interactives sont difficiles à utiliser en raison de la dimension et de la complexité des images. Ces travaux présentent un compromis entre les deux approches, en utilisant le concept de segmentation à base d'exemple. Cette stratégie qui utilise les arbres de coupes de façon non standard,conduit à des résultats satisfaisant, lorsqu'elle est appliqué sur des données d'ARM cérébrales 3D. Les approches existantes, en modélisation, reposent exclusivement sur des informations relatives aux vaisseaux. Ces travaux ont exploré une nouvelle voie, consistant à utiliser à la fois les informations vasculaires et morphologiques ( c-à-d structures cérébrales) pour améliorer la précision et la pertinence des atlas obtenus. Les expériences soulignent des améliorations dans les principales étapes du processus de création de l'atlas impacté par l'utilisation de l'information morphologique. Un exemple d'atlas cérébraux a été réalisé. / Angiographie images are useful data for several tasks, e.g., diagnosis, pathology follow-up or surgery planning. However, due to low SNR (noise,artifacts), and complex semantic content (sparseness), angiographie image analysis is a time consurning and error prone task. These consideration have motivated the development of numerous vesse! filtering, segmentation, or modeling techinques.This thesis is organized around two research areas : the segmentation anù the moùeling. Segmentation of cerebral vascular networks from 3D angiographie data remains a challenge. Automation generally induces a high computational cost and possible errors, white interactive methods are hard to use due to the dimension and the complexity of images. This thesis presents a compromise between both approaches by using the concept of example-based segmentation. This strategy, which uses component-trees in a non-standard fashion, leads to promising results, when applied on cerebral MR angiographie data. The generation of cerebrovascular atlases remains a complex and infrequently considered issue. The existing approaches rely on information exclusively related to the vessels. This thesis investigate a new way, consisting of using both vascular and morphological information (i.e. Cerebral structures) to improve the accuracy and relevance of the obtaines vascular atlases. Experiments emphasize improvments in the main steps of the atlas generation process impacted by the use of the morphological information. An example of cerebrovascular atlas obtained from a dataset of MRAs acquired form different acquisition devices has been provided.