Les situations dégradées d'éclairage et certaines conditions météorologiques sont deux problèmes impactant la sécurité routière. La détection et la caractérisation éventuelle de celles-ci, à l'aide d'une caméra embarquée à bord des véhicules, constitueraient un élément clé permettant d'assister le conducteur. En effet, la visibilité de ce dernier peut être largement réduite, d'une part à cause des conditions météorologiques et, d'autre part, à cause des situations d'éclairages qui, dans certains cas, peuvent éblouir le conducteur.Cependant, la visibilité n'est pas le seul risque pour l'automobiliste, l'état de la route joue également un rôle important dans la sécurité du conducteur. En effet, une chaussée mouillée peut perturber les conditions de circulation des automobilistes. Elle peut engendrer des pertes d'adhérence et, ainsi, elle peut nuire directement à la sécurité des personnes présentes sur la scène routière. Associée à des conditions d'éclairage défavorables, la chaussée mouillée peut occasionner des risques d'éblouissement du conducteur. C'est pourquoi la détection de chaussées mouillées présente un intérêt certains permettant de favoriser les conditions de circulations des automobilistes. La chaussée mouillée réémet plus de lumière qu'une chaussée sèche de part ses propriétés optiques qui sont modifiées par la pellicule d'eau à sa surface. Afin d'identifier l'état réel de la chaussée (sèche, mouillée), nous étudions la quantité de lumière reçue par une caméra embarquée dans un véhicule. Cette étude se fait par le biais d'un modèle physique de réflexion de la lumière ou modèle de la BRDF. Ce modèle est alimenté par un modèle d'illumination du ciel et nous donne la valeur de luminance de la route pour une direction d'observation donnée. La différenciation chaussée sèche/ chaussée mouillée se fera en analysant les valeurs de luminance obtenues.Dans un premier temps, nous avons généré des images de synthèses de routes sècheset mouillées en s'appuyant sur un modèle de BRDF différent. Dans un second temps, les modèles présentés précédemment sont utilisés sur des images réelles afin de répondre à notre problématique à savoir l'identification de l'état réel de la chaussée.Les résultats obtenus pourront être utilisé, d'une part, par d'autres systèmes d'aide à la conduite, pour proposer une vitesse et une trajectoire adéquate au véhicule améliorant ainsi la sécurité du conducteur. Et d'autre part, ces résultats permettront de fiabiliser les aides à la conduite qui s'appuient sur les images issues de caméras. / Adverse lighting conditions and meteorological conditions are two critical issues for the road safety as they are subjected to jeopardize the driver perception of the environment. Thus, their detection and characterization with a vehicle embedded camera will be a key element to assist the driver. However, visibility is not the only risk for the driver, the road's state plays also a major role in driver's safety. Indeed, a wet road may cause on the one hand losses of grip and thus harming user's safety on road scene. On the other hand, it increases the risk of glaring in case of adverse lighting conditions. It's why wet road detection is very useful to improve motorist driving conditions. A wet road reflects more light than the dry one due to its optical properties which are modified by the presence of water film on its surface. In order to identify the actual road's state (dry or wet), we study the light quantity observed by a vehicle embedded camera. This study is based on bidirectional reflectance distribution function (BRDF) model. The BRDF model is combined with a sky model to give the road's luminance value for a given direction. The wet/dry road differentiation is based on the analyze of luminance values.The first step consists in implementing each model in order to generate synthetic images of dry and wet roads.In the second step these models are carried out on real road scene images acquired by an embedded camera in order to identify the actual road's state. The results can be used by others driver assistance systems, on the one hand, in order to suggest an appropriate speed limit and trajectory for the vehicle, thus improving driver's safety, on the other hand, in order to improve ADAS's reliability based on camera.