L'image de télédétection constitue une source d'information importante permettant de surveiller les phénomènes naturels auxquels le monde a été confronté ces dernières années notamment l'érosion, l'inondation, les incendies, la déforestation, etc. Ces phénomènes ont des conséquences graves sur l'environnement, l'agriculture (dégradation des sols), l'activité humaine, etc. C'est dans ce cadre que se situe notre travail de thèse qui s'intéresse à l'interprétation des images de télédétection afin d'étudier la susceptibilité des scènes aux risques naturels. Cette thèse aborde deux problématiques majeures; La première concerne la modélisation du contenu de l'image satellitale. Cela pose les questions suivantes : Comment extraire les informations utiles de l'image ? Quel modèle de représentation choisir pour modéliser l'image ? Comment générer cette modélisation ? La deuxième problématique concerne l'étude de la susceptibilité de l'image aux risques naturels en se basant sur les sciences cognitives et les connaissances issues de l'image. Donc, quel est le modèle de raisonnement à adopter pour générer une interprétation adéquate ? Dans ce travail de thèse, nous proposons une ontologie spatio-temporelle, floue, lourde et évolutive représentant le contenu sémantique des images de télédétection. Pour ce faire, nous avons suivi un processus de développement basé sur la réutilisation des ressources ontologiques existantes, l'apprentissage à partir des images satellitales (de référence), et la formalisation des connaissances a priori de domaine (risques naturels, connaissance sur les scènes capteurs d'acquisition, etc.). Nous proposons également une méthodologie permettant de générer des annotations modélisant le contenu de l'image satellitale en se guidant par l'ontologie de domaine, et permettant, à partir d'un raisonnement inférentiel sur ces connaissances, de déduire la susceptibilité d'une scène satellitale aux risques naturels. La méthodologie proposée comporte quatre modules : (1) Annotation de l'image de télédétection, (2) Fusion d'annotations, (3) Recherche de cas, et (4) Raisonnement et interprétation. Dans un cadre méthodologique, nous avons appliqué la méthodologie pour traiter le problème d'érosion afin de prévenir les zones à risque en Tunisie et plus particulièrement à la région du Kef. Pour ce faire, nous avons conçu une base d'imagettes multi-dates et multi-capteurs représentant des classes d'ontologie (forêt, lac, champ de blé, zone urbaine, ...). De même, nous avons construit une base de cas contenant des annotations qui représentent des images de télédétection de la région du Kef. Dans un processus " off-line ", nous avons simulé le processus d'interprétation sur des requêtes pour voir si elles présentent des risques d'érosion.