Pendant le développement d'un organisme, les tissus subissent, génèrent des changements morphologiques drastiques nécessaires à l'obtention d'une forme finale ou intermédiaire spécifique et fonctionnelle. On comprend cette acquisition de formes comme un phénomène émergent résultant de l'interaction mécanique entre toutes les cellules composant le tissu. On sait que les structures de protéines du cytosquelette sont capables aussi bien de générer des forces ou de changer les propriétés mécaniques des cellules i.e de changer la réaction de celles-ci à un stress mécanique. Ces phénomènes émergents font l'objet de nombreuses études et mesures aussi bien lors d'expériences in vitro (solution de protéines purifiées) que sur cellules de cultures. Le travail décrit dans cette thèse s'est attaché à mesurer quantitativement les forces et propriétés mécaniques in vivo durant le développement d'un organisme. À terme, ces mesures sont utiles à l'élaboration d'un modèle mécanique qui amènerait une meilleure compréhension des phénomènes morphogénétiques.Pour réaliser ces mesures, un banc de mesures optiques a été développé. Il permet de réaliser des mesures de microrhéologie passives et actives durant l'extension de la bandelette germinale de l'embryon de drosophile. Des mesures quantitatives de viscosité, de raideur et de force jonctionnelle ont été réalisées. / Pendant le développement d'un organisme, les tissus subissent, génèrent des changements morphologiques drastiques nécessaires à l'obtention d'une forme finale ou intermédiaire spécifique et fonctionnelle. On comprend cette acquisition de formes comme un phénomène émergent résultant de l'interaction mécanique entre toutes les cellules composant le tissu. On sait que les structures de protéines du cytosquelette sont capables aussi bien de générer des forces ou de changer les propriétés mécaniques des cellules i.e de changer la réaction de celles-ci à un stress mécanique. Ces phénomènes émergents font l'objet de nombreuses études et mesures aussi bien lors d'expériences in vitro (solution de protéines purifiées) que sur cellules de cultures. Le travail décrit dans cette thèse s'est attaché à mesurer quantitativement les forces et propriétés mécaniques in vivo durant le développement d'un organisme. À terme, ces mesures sont utiles à l'élaboration d'un modèle mécanique qui amènerait une meilleure compréhension des phénomènes morphogénétiques.Pour réaliser ces mesures, un banc de mesures optiques a été développé. Il permet de réaliser desmesures de microrhéologie passives et actives durant l'extension de la bandelette germinale de l'embryon de drosophile. Des mesures quantitatives de viscosité, de raideur et de force jonctionnelle ont été réalisées.

Dans le domaine de la biologie développementale, un des principaux défis est de comprendre comment des tissus multicellulaires, à l'origine indifférenciés, peuvent engendrer des formes aussi complexes que celles d'une fleur. De part son implication dans l'organogenèse florale, l'auxine est une phytohormone majeure. Nous avons donc déterminé son réseau binaire potentiel, puis y avons appliqué des modèles de clustering de graphes s'appuyant sur les profils de connexion présentés par ces 52 facteurs de transcription (FT). Nous avons ainsi pu identifier trois groupes, proches des groupes biologiques putatifs: les facteurs de réponse à l'auxine activateurs (ARF+), répresseurs (ARF-) et les Aux/IAAs. Nous avons détecté l'auto-interaction des ARF+ et des Aux/IAA, ainsi que leur interaction, alors que les ARF- en présentent un nombre restreint. Ainsi, nous proposons un mode de compétition auxine indépendent entre ARF+ et ARF- pour la régulation transcriptionelle. Deuxièmement, nous avons modélisé l'influence des séquences de dimérisation des FT sur la structure de l'interactome en utilisant des modèles de mélange Gaussien pour graphes aléatoires. Les groupes obtenus sont proches des précédents, et les paramètres estimés nous on conduit à conclure que chaque sous-domaine peut jouer un rôle différent en fonction de leur proximité phylogénétique.Enfin, nous sommes passés à l'échelle multi-cellulaire ou, par un graphe spatio-temporel, nous avons modélisé les premiers stades du développement floral d'A. thaliana. Nous avons pu extraire des caractéristiques cellulaires (3D+t) de reconstruction d'imagerie confocale, et avons démontré la possibilité de caractériser l'identité cellulaire en utilisant des méthodes de classification hiérarchique et des arbres de Markov cachés. / A striking aspect of flowering plants is that, although they seem to display a great diversity of size and shape, they are made of the same basics constituents, that is the cells. The major challenge is then to understand how multicellular tissues, originally undifferentiated, can give rise to such complex shapes. We first investigated the uncharacterised signalling network of auxin since it is a major phytohormone involved in flower organogenesis.We started by determining the potential binary network, then applied model-based graph clustering methods relying on connectivity profiles. We demonstrated that it could be summarise in three groups, closely related to putative biological groups. The characterisation of the network function was made using ordinary differential equation modelling, which was later confirmed by experimental observations.In a second time, we modelled the influence of the protein dimerisation sequences on the auxin interactome structure using mixture of linear models for random graphs. This model lead us to conclude that these groups behave differently, depending on their dimerisation sequence similarities, and that each dimerisation domains might play different roles.Finally, we changed scale to represent the observed early stages of A. thaliana flower development as a spatio-temporal property graph. Using recent improvements in imaging techniques, we could extract 3D+t cellular features, and demonstrated the possibility of identifying and characterising cellular identity on this basis. In that respect, hierarchical clustering methods and hidden Markov tree have proven successful in grouping cell depending on their feature similarities.