Notre travail de thèse porte sur la détection et la modélisation de configurations dynamiques dans des séquences d'images. Nous développons des approches statistiques locales sans apprentissage supervisé. Notre application principale est la microscopie de fluorescence, un outil fondamental de la biologie cellulaire moderne. Deux cas peuvent se présenter : 1. les objets étudiés n'interagissent pas, et les dynamiques individuelles peuvent être analysées indépendamment ; 2. les objets étudiés interagissent, et la dynamique à analyser est celle du groupe entier d'objets. En ce qui concerne les dynamiques individuelles, nous nous intéressons à des séquences d’images biologiques dans lesquelles des protéines évoluent au sein de la cellule. Plus précisément, nous étudions la fusion de vésicules à la frontière de la cellule, appelée membrane plasmique. Les vésicules sont des intermédiaires de transport qui véhiculent des molécules dans la cellule. À la fin du processus d’exocytose, la fusion des vésicules avec la membrane s’accompagne d’une diffusion desdites protéines. Les images sont acquises en microscopie de fluorescence par réflexion totale interne (TIRF). Afin de repérer les évènements de fusion, nous proposons une nouvelle méthode de détection de spots. Puis, nous modélisons les dynamiques des protéines et estimons les paramètres biophysiques associés dans les séquences TIRF. La dynamique de groupe, quant à elle, est notamment rencontrée dans les mouvements de tissus cellulaires, le développement embryonnaire ou dans d’autres domaines, comme les mouvements de foules dans des vidéos. Nous proposons une nouvelle méthode d’estimation du mouvement de groupe permettant de caractériser le mouvement à la fois de façon quantitative et qualitative. Elle est utilisée pour classifier le mouvement de groupe, retrouver les chemins principaux dans la scène et détecter des anomalies locales. Dans l'un ou l'autre cas d'étude, nous abordons les problématiques selon une démarche commune, essentiellement dirigée par les données et mettant en œuvre des tests statistiques. Par ailleurs, nous avons le souci de proposer des méthodes nécessitant le réglage d'un faible nombre de paramètres qui sont, de plus, peu sensibles ou calibrés avec des règles statistiques. Enfin, nous adoptons des approches locales, qui ont l’avantage d’être rapides, flexibles et peu sensibles aux variations de contexte, qu’elles soient spatiales (arrière-plan variable) ou temporelles (changement d’illumination globale comme le photoblanchiment en microscopie de fluorescence). / In this thesis, we investigate statistical methods to detect, estimate and characterize dynamical events in image sequences. Our main focus is on fluorescence microscopy images, which represent a fundamental tool for cell biology. There are two cases : 1. Studied objects do not interact, and individual dynamics can be independently analyzed ; 2. Studied objects interact, and group dynamics must be analyzed as a whole. In the case of individual dynamics, our primary focus is on biological image sequences showing proteins evolving in a cell, and more precisely at the cell frontier named plasma membrane. Proteins transported in the cell by vesicles, are observed in total internal reflection fluorescence microscopy (TIRFM), an observation technique well adapted to plasma membrane dynamics analysis. At the end of the exocytosis process, vesicles fuse to the plasma membrane and release proteins, which then diffuse. We first propose a new spot detection method aimed at localizing fusion events. Then, we model the protein dynamics and estimate the biophysical parameters in TIRFM image sequences for further biological analysis. We also address the processing of image sequences at lower magnifications, that is, depicting groups of cells, instead of an isolated cell. We propose a method to jointly estimate quantitative and qualitative motion measurements. It is used to classify the group motion, recover principal paths followed in the scene, and detect localized anomalies. Since they are free of appearance model, the developed methods are quite general and also applied to other applications including crowd motion analysis in videos. Whether it is for spot detection, protein dynamics estimation or group motion analysis, a common approach is ubiquitous, however. First, statistical arguments are used to automatically infer the method parameters. Secondly, we rely on local approaches, which have the advantage of being computationally efficient. Local modeling handles spatially varying image statistics much more easily and more accurately than global modeling. Local approaches also allow neglecting contextual variations such as spatially varying background contrast or, in fluorescence microscopy, temporal fading known as photobleaching.