L'analyse de sensibilité globale a un rôle clé à jouer dans la conception et la paramétrisation des modèles structure-fonction de la croissance des plantes (FSPM). Ceux-ci combinent la description du développement structurel des plantes (organogénèse et géométrie) et de leur croissance fonctionnelle (accumulation de biomasse et allocation). Les modèles de ce type décrivent généralement de nombreux processus en interaction, comptent un grand nombre de paramètres et leur coût de calcul peut être important. L'objectif de cette thèse est de développer une méthodologie appropriée pour l'analyse de sensibilité des modèles structure-fonction des plantes et d'étudier comment l'analyse de sensibilité peut aider à la conception et la paramétrisation de ces modèles, ainsi qu'à l'analyse et la compréhension des processus biologiques en jeu. Notre contribution peut être vue en deux parties : du point de vue méthodologique Et du point de vue de l'application des méthodes aux modèles. D'un point de vue méthodologique, nous avons tout d'abord amélioré les performances de la méthode de Sobol pour le calcul des indices de sensibilité en termes d'efficacité de calcul, avec un meilleur contrôle de l'erreur d'estimation par les simulations de Monte Carlo. Nous avons _également conçu une stratégie d'analyse adaptée aux systèmes biophysiques complexes. Du point de vue applicatif, nous avons implémenté notre stratégie pour 3 FSPMs avec des niveaux de complexité différents, et nous avons analysé les résultats selon différents aspects, paramétrisation et diagnostic de modèles. / Global sensitivity analysis has a key role to play in the design and parameterization of functional-structural plant growth models (FSPM) which combine the description of plant structural development (organogenesis and geometry) and functional growth (biomass accumulation and allocation). Models of this type generally describe many interacting processes, count a large number of parameters, and their computational cost can be important. The general objective of this thesis is to develop a proper methodology for the sensitivity analysis of functional structural plant models and to investigate how sensitivity analysis can help for the design and parameterization of such models as well as providing insights for the understanding of underlying biological processes. Our contribution can be summarized in two parts: from the methodology point of view, we first improved the performance of the existing Sobol's method to compute sensitivity indices in terms of computational efficiency, with a better control of the estimation error for Monte Carlo simulation, and we also designed a proper strategy of analysis for complex biophysical systems; from the application point of view, we implemented our strategy for 3 FSPMs with different levels of complexity, and analyzed the results from different perspectives (model parameterization, model diagnosis).