Cette thèse a pour objectif de modéliser, par approches biométriques, l’évolution dans le temps du visage humain, en partant de l’âge enfant, jusqu’à un âge adulte. Ces travaux sur le vieillissement rentrent dans le cadre des activités de recherche du groupe biométrie du laboratoire LiSSi (UPEC).Comme il est connu, l’évolution des traits dues au vieillissement dépend deplusieurs facteurs intrinsèques ou extrinsèques, dont : la génétique, l’origine ethnique, le mode de vie, etc. En considérons les modèles paramétriques proposés dans cette thèse, nous exploitons entre autres, les similitudes des caractéristiques extraites chez des individus d’une même catégorie d’âge. Ces similitudes sont intégrées dans nos modèles afin de pouvoir estimer l’apparence faciale à un âge spécifique. Contrairement aux nombreuses études traitant les modèles prédictifs de vieillissement facial, cette thèse propose pour la première fois un modèle réversible permettant également le rajeunissement numérique de l’apparence du visage que nous appellerons, modèle de prédiction arrière d’apparence. Quant à la prédiction avant, notre contribution s’est orientée vers la proposition d’un modèle non-linaire paramétrique de vieillissement permettant de prendre en considération les facteurs accélérateurs de vieillissements liés au mode de vie des individus. De manière générale, nous nous sommes intéressés aux conséquences de certaines addictions de type (drogues, alcool,exposition au soleil, etc.), sur le vieillissement prématuré du visage. Par conséquent,nous avons proposé des modèles sensibles à certains de ces facteurs en se basant sur des analyses statistiques. Comme retombés socio-économiques, cette étude a pour objectif de sensibiliser les jeunes personnes par rapport aux dangers liés à la consommation excessives de certaines substances, voire à l’addiction à certaines pratiques.Les études que nous avons menées durant cette thèse, ont nécessité la constitution d’une base de données contenant plus de 1600 images faciales. Cette base de données a permis le développement 30 modèles de visages «Face Templates». Suite à cela, nous avons créé une base de données d’évaluation, appelée «Face Time-Machine (FaceTiM)». Constituée à partir de 120 sujets, cette base de données est mise à disposition des chercheurs afin qu’ils puissent reproduire les résultats que nous avons obtenus, évaluer les performances, et enfin contribuer à l’amélioration des modèles proposés / The main focus of this thesis is to model the evolution trajectory of human face from infancy to senility using the biometrics facial features.The manifestation of facial changes caused by ageing depends on different factors such as genetic, ethnicity and lifestyle. Nevertheless, individuals in the same age group share some facial similarities. These resemblances can be employed to approximate the facial appearance of an individual in the bygone or the forthcoming years.Unlike numerous studies dealing with predictive face ageing models, for the first time, this thesis proposes the first Backward Facial Ageing Model aiming at digitally rejuvenate an adult face appearance down to its early childhood. We also present the Forward Facial Ageing Model to predict the adult face appearance in its future by taking into account the naturalageing trajectory. The main purpose of Forward Facial Ageing Model is to have a base model for the supplementary ageing models such as behavioural models.In this thesis for the first time in face ageing studies, the effects of different lifestyle behaviours are integrated into the facial ageing models. The Behavioural Facial Ageing Models predict the feature of a young face in case of having the high-risk lifestyle habits. The main attempt of these models is to illustrate the adverse effects of unsafe lifestyle behaviourson the senility of the face, aiming to prevent the youth from becoming involved in these habits. The Facial Ageing Modeling Database, contains over 1600 facial images, is collected to construct the models and 30 Face Templates for the purpose of the face ageing studies.Besides, the Face Time-Machine Database from 120 subjects is created and published to testand evaluate the results. For the proposed approach face contour and different components are modified non-linearly based on an estimated geometrical model related to the trajectory of growth or ageing. Moreover, the face texture is adapted by mapping a Face Template to the estimated geometrical model. Then, the effects of each lifestyle habit are set up to the primal predictive model.The evaluations of the results indicate that the proposed models are remarkably accurate to estimate the correct face appearance of an individual in the target age. While the simulated facial images are realistic and have the appearance, geometrical and textural characteristics of the target age, the personal identity and details of the input face images are preserved