Les progrès récents de la microfluidique, la biologie synthétique, la microscopie automatisée rendent aujourd'hui possible le contrôle externe de l'expression des gènes en temps réel. Parmi les défis que devra relever le domaine du contrôle externe et temps-réel de l'expression des gènes, se trouve la possibilité de contrôler des réseaux de régulation génique aux dynamiques complexes et multi-stables et le contrôle de multiples gènes en parallèle. Pour faire avancer le domaine dans cette direction nous avons étudié la contrôlabilité d'un réseau bistable composé de deux gènes, appelé genetic toggle switch, ou bascule génétique, autour de son point d'équilibre instable sur de longues périodes. Dans ce document, nous présentons la mise en place d'une plateforme de contrôle externe de l'expression des gènes en cellule unique, ainsi que le développement d'un châssis cellulaire bactérien et d'une librairie de circuits de bascules génétiques à contrôler. Nous utilisons la plateforme pour diriger et maintenir notre système génétique dans sa région d'instabilité avec des techniques de stabilisation à la fois en boucle ouverte et en boucle fermée. Nous démontrons non seulement que les plateformes de contrôle in silico peuvent être utilisées pour contrôler un système génétique dans un état hors-équilibre, nous démontrons aussi la possibilité de maintenir une population de cellules dans leur région d'instabilité à l'aide de stimulations périodiques en boucle ouverte. Ces résultats suggèrent l'émergence de régimes de stabilité différents dans des réseaux de régulation génique lorsqu'ils sont soumis à des environnements fluctuants, et peuvent fournir de nouvelles perspectives dans l'étude de la prise de décision cellulaire. Nous présentons aussi une nouvelle approche pour l'analyse d'images de microscopie qui exploite l'information cachée dans plusieurs plans focaux autour du spécimen au lieu d'utiliser seulement un seul plan focal. L'objectif de cette méthode est d'identifier automatiquement les différentes parties d'une image à l'aide de techniques d'apprentissage-machine inspirées de l'imagerie hyperspectrale. La méthode facilite la segmentation de l'image et peut être facilement adaptée à différents organismes / Recent progresses in microfluidics, synthetic biology and microscopy automation now make it possible to control gene expression externally and in real time. Among the challenges facing the field of external real-time control of gene expression is the control of intricate, multistable gene regulation networks as well as the control of several target genes at the same time. To advance the domain in this direction we studied the controllability of a simple bistable two-genes network, the so-called genetic toggle switch, in the vicinity of its unstable equilibrium point for extended periods of time. Throughout this document, we present the development of a custom control platform for external control of gene expression at the single-cell level as well as a bacterial cellular chassis and a library of toggle switch genetic circuits for us to control. We use the platform to drive and maintain our genetic system in its region of unstability with both closed-loop and open-loop strategies. Not only do we demonstrate that in silico control platforms can control genetic systems in out-of-equilibrium states, we also notably maintain a population of cells in their unstable area with open-loop periodic stimulations. These results suggest the possible emergence of different regimes of stability in gene regulation networks submitted to fluctuating environments, and can potential insights in the study of cellular decision making. We also introduce a new approach for microscopy image analysis which exploits information hidden in several focal planes around the specimen instead of using only a single-plane image. The objective of this method is to automatically label different parts of an image with machine learning techniques inspired by hyperspectral imaging. The method is then shown to facilitate segmentation and be easily adaptable to various different organisms