L'imagerie ultrasonore (US) permet de réaliser des examens médicaux non invasifs avec des méthodes d'acquisition rapides à des coûts modérés. L'imagerie cardiaque, abdominale, fœtale, ou mammaire sont quelques-unes des applications où elle est largement utilisée comme outil de diagnostic. En imagerie US classique, des ondes acoustiques sont transmises à une région d'intérêt du corps humain. Les signaux d'écho rétrodiffusés, sont ensuite formés pour créer des lignes radiofréquences. La formation de voies (FV) joue un rôle clé dans l'obtention des images US, car elle influence la résolution et le contraste de l'image finale. L'objectif de ce travail est de modéliser la formation de voies comme un problème inverse liant les données brutes aux signaux RF. Le modèle de formation de voies proposé ici améliore le contraste et la résolution spatiale des images échographiques par rapport aux techniques de FV existants. Dans un premier temps, nous nous sommes concentrés sur des méthodes de FV en imagerie US. Nous avons brièvement passé en revue les techniques de formation de voies les plus courantes, en commencent par la méthode par retard et somme standard puis en utilisant les techniques de formation de voies adaptatives. Ensuite, nous avons étudié l'utilisation de signaux qui exploitent une représentation parcimonieuse de l'image US dans le cadre de la formation de voies. Les approches proposées détectent les réflecteurs forts du milieu sur la base de critères bayésiens. Nous avons finalement développé une nouvelle façon d'aborder la formation de voies en imagerie US, en la formulant comme un problème inverse linéaire liant les échos réfléchis au signal final. L'intérêt majeur de notre approche est la flexibilité dans le choix des hypothèses statistiques sur le signal avant la formation de voies et sa robustesse dans à un nombre réduit d'émissions. Finalement, nous présentons une nouvelle méthode de formation de voies pour l'imagerie US basée sur l'utilisation de caractéristique statistique des signaux supposée alpha-stable. / Ultrasound (US) allows non-invasive and ultra-high frame rate imaging procedures at reduced costs. Cardiac, abdominal, fetal, and breast imaging are some of the applications where it is extensively used as diagnostic tool. In a classical US scanning process, short acoustic pulses are transmitted through the region-of-interest of the human body. The backscattered echo signals are then beamformed for creating radiofrequency(RF) lines. Beamforming (BF) plays a key role in US image formation, influencing the resolution and the contrast of final image. The objective of this thesis is to model BF as an inverse problem, relating the raw channel data to the signals to be recovered. The proposed BF framework improves the contrast and the spatial resolution of the US images, compared with the existing BF methods. To begin with, we investigated the existing BF methods in medical US imaging. We briefly review the most common BF techniques, starting with the standard delay-and-sum BF method and emerging to the most known adaptive BF techniques, such as minimum variance BF. Afterwards, we investigated the use of sparse priors in creating original two-dimensional beamforming methods for ultrasound imaging. The proposed approaches detect the strong reflectors from the scanned medium based on the well-known Bayesian Information Criteria used in statistical modeling. Furthermore, we propose a new way of addressing the BF in US imaging, by formulating it as a linear inverse problem relating the reflected echoes to the signal to be recovered. Our approach offers flexibility in the choice of statistical assumptions on the signal to be beamformed and it is robust to a reduced number of pulse emissions. At the end of this research, we investigated the use of the non-Gaussianity properties of the RF signals in the BF process, by assuming alpha-stable statistics of US images.