De nombreux algorithmes de simulations informatiques permettent de reproduire des comportements physiques d'objets en trois dimensions. Des phénomènes liés à différents domaines, comme la mécanique classique (animation de tissus par exemple), la mécanique des fluides (animation de feux par exemple) ou encore la photométrie (visualisation photo-réaliste de scènes par exemple) peuvent être recréés virtuellement. Ces algorithmes complexes possèdent généralement de nombreux paramètres. Leurs réglages sont souvent délicats et peu conformes au réel. Pour utiliser ces algorithmes en simulations chirurgicales ou pour les calculs de stabilité d'un pont suspendu, il est indispensable d’avoir des paramètres exacts.Malheureusement, il est difficile, voire impossible, même pour un expert de trouver les bonnes valeurs de ces paramètres pour produire un effet donné, et tout particulièrement sur des objets réels complexes comme les organes. En effet, même si nous disposons d’un simulateur très puissant, l'adéquation de ses paramètres avec le monde réel est difficile, et dans le meilleur des cas il s’agit toujours de « tâtonner » pour obtenir le résultat voulu, et ce parfois pendant des heures. Cette thèse vise donc à déterminer directement ces paramètres depuis des séquences d'images réelles, afin de reproduire en réalité virtuelle et de la façon la plus fidèle possible le comportement observé des objets du monde réel. Nous concevons pour cela une solution matérielle et logicielle peu onéreuse en proposant un nouveau dispositif de capture de force et un algorithme d'estimation inverse basé sur plusieurs métriques d'erreur. / Many computer-driven simulations are able to reproduce three dimensional object's physical behaviours. Phenomenons related to many different domains like "classical" mechanic (cloth simulation for example), fluids mechanic (fires or smoke for example) or photometry (photo-realistic 3d scenes visualisation for example) can be recreated virtually. However, those algorithms usually need a lot of parameters. Their tuning is often complex and not realistic. To use those algorithms in surgical simulations or for bridge stability computations, it is essential to have the right parameters. Unfortunately, it is hard (sometimes impossible), even for a domain expert, to find the right values for those parameters to produce the desired effect, and especially for complex real objects like an eye or a liver for example. Indeed, even if we had a very powerfull simulator, the adequacy with the real world is far to be obvious, and in the best case we always need to grope in order to obtain the wanted result, and it can sometimes take hours. This PhD aim to find these parameters directly from real videos, in order to reproduce in virtual reality the "real" objects behaviours in the most faithful possible way. To achieve this, we propose a low cost hardware and software solution by designing a new force capture device and an inverse estimation algorithm based on some error metrics.