Ces travaux de thèse ont pour but de faire des avancées dans le domaine de la vision cognitive en proposant une plate-forme fonctionnelle et logicielle pour le problème complexe de l'interprétation sémantique d'images. Nous nous sommes focalisés sur la proposition de solutions génériques et indépendantes de toute application. Plus qu'une solution à un problème spécifique, la plate-forme proposée est une architecture minimale qui fournit des outils réutilisables pour la conception de systèmes d'interprétation sémantique d'images.<br />Le problème de l'interprétation sémantique d'images est un problème complexe qui peut se séparer en 3 sous-problèmes plus faciles à résoudre en tant que problèmes indépendants: (1) l'interprétation sémantique, (2) la gestion des données visuelles pour la mise en correspondance des représentations abstraites haut niveau de la scène avec les données image issues des capteurs et (3) le traitement d'images. Nous proposons une architecture distribuée qui se base sur la coopération de trois systèmes à base de connaissances (SBCs).<br />Chaque SBC est spécialisé pour un des sous problèmes de l'interprétation d'images. Pour chaque SBC nous avons proposé un modèle générique en formalisant la connaissance et des stratégies de raisonnement dédiées. De plus, nous proposons d'utiliser deux ontologies pour faciliter l'acquisition de la connaissance et permettre l'interopérabilité entre les trois différents SBCs.<br />Un travail d'implémentation de la plate forme de vision cognitive a été fait à l'aide de la plate-forme de développement de systèmes à base de connaissances LAMA conçue par l'équipe ORION.<br />Les solutions proposées ont été validées sur une application concrète et difficile: le diagnostic précoce des pathologies végétales et en particulier des pathologies du rosier de serre. Ce travail a été effectué en coopération avec l'INRA (Institut National de la Recherche Agronomique).