Des études cliniques sur les nouveau-nés prématurés montrent qu'une large proportion des grands prématurés (moins de 32 semaines d’aménorrhée) présentera des troubles cognitifs, moteurs ou comportementaux. Un objectif clinique est donc d’approfondir les études du développement cérébral et de détecter les anomalies chez les patients néonataux. Parmi les modalités d'imagerie, l'IRM peut fournir une information 3D morphologique, non-invasive, non ionisante et avec une résolution spatiale de l'ordre du millimètre, propriétés qui sont bien adaptées à cette problématique. En outre, la segmentation de ces images permet de fournir des informations quantitatives de l'anatomie, comme le volume ou la forme. Il existe de nombreuses méthodes pour l'IRM chez l'adulte. Néanmoins, la plupart d'entre elles ne peuvent pas s'appliquer directement chez le nouveau-né, où la maturation des tissus cérébraux induit des modifications de contraste dans l'image (dues, par exemple, à la non-myélinisation de la substance blanche). De plus, des détériorations visuelles, telles que les effets de volume partiels, se produisent par l'effet conjugué de la résolution des images et de la finesse des structures (par exemple, le cortex). Cette thèse se focalise sur la segmentation de la surface corticale des nouveau-nés en utilisant des images IRM, avec une précision satisfaisante pour des applications subséquentes (comme la génération de maillages surfaciques). Dans cette thèse, nous nous sommes intéressés dans un premier temps aux approches par atlas ou multi-atlas. Cette famille de méthodes est connue pour son efficacité en termes de segmentation cérébrale grâce à des a priori spatiaux intégrés au modèle, qui permettent de guider la segmentation. Néanmoins, le cortex étant une structure très fine, des erreurs topologiques peuvent se produire. Afin de résoudre ce problème, une étape de correction topologique multi échelle est mise en oeuvre. Les résultats montrent le potentiel de ces deux types d'approches pour l’analyse des données considérées. / Clinical studies for preterm infants (less than 32 weeks of gestation) emphasize the fact that an important part of the very or extreme preterm infants will present cognitive, motor or behavioral disorders. The clinical aim is to improve brain development studies and be able to detect and predict abnormalities in neonatal subjects. Among the medical imaging, MRI can provide non-invasive non-ionizing morphological 3D images with a spatial resolution of the order of a millimeter, properties that are well adapted to this issue. In addition, the segmentation of these images provides quantitative anatomical information, such as volume or shape. There are many existing methods for adult MRI that successfully segment brain subparts. However, these methods cannot be directly applied to the newborn, where the maturation of brain tissue modifies the contrasts in the image (for example, the non-myelination of the white matter). Moreover, factors related to the resolution together with structural fineness, especially in the cortex, induce partial volume effects in tissue boundaries. This thesis focuses on the segmentation of the cortical surface in neonatal infants using MR images, with satisfactory accuracy for further applications (such as the generation of surface meshes). In this thesis, we first focused on the so-called atlas or multi-atlas approaches. This family of methods is known for its effectiveness in brain segmentation, thanks to spatial priors that can be embedded in the model for guiding the segmentation. However, since the neonatal cortex is very thin, there are often discontinuities or wrong connections. In order to tackle this issue, a topological correction step is proposed to fill gaps and separate erroneous connections. The results emphasize the potential of these two types of approaches for this purpose.