Cette thèse a pour objectif de contribuer à la modélisation, à la simulation et à l’analyse des signaux contenant des potentiels d’action extracellulaires (EAPs), tels que mesurés in-vivo par des microélectrodes implantées dans le cerveau. Les modèles actuels pour la simulation des EAPs consistent soit en des modèles compartimentaux très détaillés et lourds en calcul, soit en des modèles dipolaires jugés trop simplistes. Dans un premier temps, une approche de simulation des EAPs se situant entre ces deux extrêmes est proposée, où la somme des contributions des compartiments du neurone est traitée comme une convolution, appliquée aux courants membranaires d’un seul compartiment actif. L'analyse des EAPs passe par une étape de classification des potentiels d'action détectés dans le signal enregistré, qui consiste à discriminer les formes de potentiels d’action et ainsi à identifier l'activité de neurones uniques. Dans cette thèse, une nouvelle approche basée sur l’inférence bayésienne est développée permettant l'extraction et la classification simultanées des EAPs. La méthode est appliquée à des signaux générés à l'aide de l'approche de simulation proposée plus haut, confirmant la qualité de la méthode de classification introduite et illustrant la capacité de la méthode de simulation à générer des EAPs réalistes de formes diverses et discriminables. Nous avons enrichi une modélisation de l’activité hippocampique réalisée dans l’équipe permettant de reproduire des oscillations dans ces bandes fréquentielles spécifiques en introduisant les EAPs, ceci afin d’évaluer les contributions de l'activité synaptique et celle des potentiels d’action à certaines bandes de fréquence des signaux enregistrés. Finalement, une étude sur signaux réels enregistrés dans le cadre de l'étude de la perception des visages chez l'homme a été menée, illustrant les performances de la méthode de spike sorting proposée dans un cadre réel et ouvrant la discussion sur les perspectives qu'offrent ces travaux de thèse pour l'étude de questions neuroscientifiques basées sur l'analyse de signaux multi-échelle. / The objective of this thesis is to contribute to the modelling, simulation and analysis of signals containing extracellular action potentials (EAPs), as measured in vivo by microelectrodes implanted in the brain. Current models for the EAPs simulation consist either of very detailed and computationally heavy compartmental models or dipole models considered too simplistic. An EAP simulation approach between these two extremes is proposed, where the sum of the contributions of the neuron compartments is treated as a convolution, applied to the membrane currents of a single active compartment. The analysis of EAPs involves a step of classifying the action potentials detected in the recorded signal, which consists in discriminating the forms of action potentials and thus identifying the activity of single neurons In this thesis, a new approach based on Bayesian inference is developed allowing the simultaneous extraction and classification of EAPs. The method is applied to signals generated using the simulation approach proposed above, confirming the quality of the sorting method introduced and illustrating the ability of the simulation method to generate realistic EAPs of various and discriminatory forms. We modified a model of hippocampal activity previously proposed in our team, able to reproduce oscillations in specific frequency bands, by including the EAPs model, which allowed to evaluate the contributions of synaptic activity and that of action potentials the recorded signals. Finally, a study on real signals recorded as part of the study of face perception in humans is conducted, illustrating the performance of the proposed spike sorting method in a real setting and opening the discussion on the perspectives offered by this thesis work for the study of neuroscientific questions based on multiscale signal analysis.