Les cancers du foie sont la seconde cause de mort par cancer avec plus de 745,000 morts en 2012. Si l'on inclut les cas de cirrhose du foie, le nombre total de morts par an dans le monde atteint presque 2 million. Le meilleur traitement actuel pour ces patients est l'ablation chirurgicale de ces tumeurs. Pour les localiser et planifier l'opération, les chirurgiens se basent sur des images médicales pré-opératoires (obtenues par tomodensitométrie ou imagerie à résonance magnétique). Cependant, durant l'intervention, ces tumeurs, ainsi que le réseau vasculaire du foie, sont difficiles à localiser pour le chirurgien. Cela peut conduire à une résection incomplète des tumeurs où à la lésion accidentelle de vaisseaux sanguins. Le but de ce travail de thèse est de proposer aux chirurgiens une vue du foie et de ses structures interne en réalité augmentée durant l'opération pour les aider à réséquer les tumeurs de manière optimale en limitant les risques pour le patient. Pour cela, une méthode de recalage élastique des données pré-opératoires sur la vue intra-opératoire a été développée. Cette méthode, qui utilise un modèle biomécanique et certains repères anatomiques présents sur le foie, a été conçue pour limiter son impact sur la routine clinique et permet d'atteindre une erreur de recalage inférieure aux marges chirurgicales même en cas de déformation importante du foie entre son état pré-opératoire et intra-opératoire. Cet algorithme de recalage a été intégré à un logiciel, sofaOR, pour permettre les premiers essais cliniques. / Liver cancer is the 2nd most common cause of cancer death worldwide, with more than 745,000 deaths from liver cancer in 2012. When including deaths from liver cirrhosis, the toll reaches nearly 2 million people worldwide. Today, surgical tumors ablation remains the best treatment for liver cancer. To localize the hepatic tumors and to define the resection planes, clinicians rely on pre-operative medical images (obtained with computed tomography scanner or magnetic resonance imaging). However, the liver lesions and vascular system are difficult to localize during surgery. This may lead to incomplete tumor resection or haemorrhage. The purpose of this thesis work is to provide surgeons with an augmented view of the liver and its internal structures during surgery to help them to optimally resect the tumors while limiting the risk of vascular lesion. Therefore, an elastic registration method to align the pre-operative and intra-operative data has been developed. This method, which uses a biomechanical model and anatomical landmarks, was designed to limit its impact on the clinical workflow and reaches a registration accuracy below the resection margin even when the liver is strongly deformed between its pre-operative and intra-operative state. This registration algorithm has been integrated into a software, sofaOR, to conduct the first clinical tests.