Comment obtenir des données anatomiques pendant une neurochirurgie ? a été ce qui a guidé le travail développé dans le cadre de cette thèse. Les IRM sont actuellement utilisées en amont de l'opération pour fournir cette information, que ce soit pour le diagnostique ou pour définir le plan de traitement. De même, ces images pre-opératoires peuvent aussi être utilisées pendant l'opération, pour pallier la difficulté et le coût des images per-opératoires. Pour les rendre utilisables en salle d'opération, un recalage doit être effectué avec la position du patient. Cependant, le cerveau subit des déformations pendant la chirurgie, phénomène appelé Brain Shift, ce qui altère la qualité du recalage. Pour corriger cela, d'autres données pré-opératoires peuvent être acquises, comme la localisation de la surface corticale, ou encore des images US localisées en 3D. Ce nouveau recalage permet de compenser ce problème, mais en partie seulement. Ainsi, des modèles mécaniques ont été développés, entre autres pour apporter des solutions à l'amélioration de ce recalage. Ils permettent ainsi d'estimer les déformations du cerveau. De nombreuses méthodes existent pour implémenter ces modèles, selon différentes lois de comportement et différents paramètres physiologiques. Dans tous les cas, cela requiert un modèle anatomique patient-spécifique. Actuellement, ce modèle est obtenu par contourage manuel, ou quelquefois semi-manuel. Le but de ce travail de thèse est donc de proposer une méthode automatique pour obtenir un modèle du cerveau adapté sur l'anatomie du patient, et utilisable pour une simulation mécanique. La méthode implémentée se base sur les modèles déformables pour segmenter les structures anatomiques les plus pertinentes dans une modélisation bio-mécanique. En effet, les membranes internes du cerveau sont intégrées: falx cerebri and tentorium cerebelli. Et bien qu'il ait été démontré que ces structures jouent un rôle primordial, peu d'études les prennent en compte. Par ailleurs, la segmentation résultante de notre travail est validée par comparaison avec des données disponibles en ligne. De plus, nous construisons un modèle 3D, dont les déformations seront simulées en utilisant une méthode de résolution par Éléments Finis. Ainsi, nous vérifions par des expériences l'importance des membranes, ainsi que celle des paramètres physiologiques. / The general problem that motivates the work developed in this thesis is: how to obtain anatomical information during a neurosurgery?. Magnetic Resonance (MR) images are usually acquired before the surgery to provide anatomical information for diagnosis and planning. Also, the same images are commonly used during the surgery, because to acquire MRI images in the operating room is complex and expensive. To make these images useful inside the operating room, a registration between them and the patient's position has to be processed. The problem is that the brain suffers deformations during the surgery, in a process called brain shift, degrading the quality of registration. To correct this, intra-operative information may be used, for example, the position of the brain surface or US images localized in 3D. The new registration will compensate this problem, but only to a certain extent. Mechanical models of the brain have been developed as a solution to improve this registration. They allow to estimate brain deformation under certain boundary conditions. In the literature, there are a variety of methods for implementing these models, different equation laws used for continuum mechanic, and different reported mechanical properties of the tissues. However, a patient specific anatomical model is always required. Currently, most mechanical models obtain the associated anatomical model by manual or semi-manual segmentation. The aim of this thesis is to propose and implement an automatic method to obtain a model of the brain fitted to the patient's anatomy and suitable for mechanical modeling. The implemented method uses deformable model techniques to segment the most relevant anatomical structures for mechanical modeling. Indeed, the internal membranes of the brain are included: falx cerebri and tentorium cerebelli. Even though the importance of these structures is stated in the literature, only a few of publications include them in the model. The segmentation obtained by our method is assessed using the most used online databases. In addition, a 3D model is constructed to validate the usability of the anatomical model in a Finite Element Method (FEM). And the importance of the internal membranes and the variation of the mechanical parameters is studied.