L'imagerie de résonance magnétique de diffusion (IRMD) est une technique d'imagerie non-invasive qui donne l'accès aux caractéristiques de diffusion de l'eau dans des tissus biologiques, notamment, dans le cerveau. Les restrictions que la structure cellulaire microscopique impose à la diffusion des molécules d'eau, sont agrégées statistiquement dans un mesurable signal d'IRMD macroscopique. L'inférence de la structure microscopique du tissu à partir du signal d'IRMD permet de détecter des régions pathologiques et d'observer les propriétés fonctionnelles du cerveau. A cet effet, il est important de mieux comprendre la relation entre la microstructure du tissu et le signal d'IRMD ce qui nécessite des nouvelles outils numériques capable de faire les calculs dans des géométries complexes modèles des tissus. Nous proposons une telle méthode numérique basée sur les éléments finis linéaires ce qui permet de décrire précisément des géométries complexes. La discrétisation par des éléments finis est couplée à la méthode adaptative des pas de temps de Runge-Kutta Chebyshev. Cette méthode qui assure la convergence du second ordre à la fois en temps et en espace, est implémentée sous la plateforme FeniCS C++. Nous utilisons aussi le générateur de maillage Salome pour travailler de manière efficace avec des géométries périodiques à plusieurs compartiments. Nous considérons quatre applications de la méthode pour étudier la diffusion dans des modèles à plusieurs compartiments. Dans la première application, nous étudions le comportement au temps long et démontrons la convergence d'un coefficient de diffusion apparent vers un tenseur de diffusion effectif obtenu par l'homogénéisation. La deuxième application vise à vérifier numériquement qu'un modèle à deux compartiments permet d'approximer le modèle à trois compartiments dans lequel le compartiment cellulaire et le compartiment extra-cellulaire sont complétés par un compartiment membranaire. La troisième application consiste à valider le modèle de Karger du signal d'IMRD macroscopique qui prend en compte l'échange entre compartiments. La dernière application se focalise sur le signal d'IMRD issu des neurones isoles. Nous proposons un modèle efficace unidimensionnel pour calculer le signal d'IRMD de manière précise dans un réseau des neurites de rayons variés. Nous testons la validité d'une expression semi-analytique du signal d'IRMD issu des réseaux de neurites.