La musique peut être monophonique – une seule note est jouée à chaque instant – ou polyphonique – plusieurs notes sont jouées simultanément, formant des harmonies. Comprendre la musique polyphonique peut être très complexe. L'objectif de cette thèse en informatique musicale est de simplifier l'analyse de partitions polyphoniques en les décomposant en voix monophoniques ou en streams (ensembles cohérents de notes). Ces deux approches n'ayant jamais été confrontées, mes premiers travaux consistent à comparer trois algorithmes de séparation en voix et trois algorithmes de séparation en streams. Je propose pour cela des méthodes d'évaluation équitables pour ces deux approches. Les tests réalisés sur un corpus de musique classique et de musique pop ont mis en avant les qualités de l'algorithme de séparation en voix de Chew et Wu. La première étape de cet algorithme, qui segmente la partition en "contigs" avec un nombre de voix constant, est particulièrement robuste. La suite des travaux de cette thèse porte sur la seconde étape de l'algorithme de Chew et Wu, qui définit l'ordre de connexions des contigs et la manière de les connecter. J'améliore ces connexions en utilisant des paramètres musicaux comme la différence des moyennes des hauteurs des notes entre contigs voisins. La thèse se conclut en évaluant conjointement la séparation en voix et la recherche de motifs pour l'analyse musicale de fugues / Music can be either monophonic (a single note sounds at each time) or polyphonic (several notes sound simultaneously, building harmonies). Understanding polyphonic music can be very complex. The goal of this thesis in computer music is to ease the analysis of polyphonic scores by splitting them in either monophonic voices or streams (coherent sets of notes). Research in this thesis first consists in comparing three voices separation algorithms and three streams separation algorithms. I propose an evaluation method to fairly compare these two approaches. This study shows the qualities of the Chew and Wu algorithm. The first step of this algorithm, which segments the score into “contigs” having a constant number of voices, is particularly robust. Further work of this thesis focuses on the second stage of the Chew and Wu algorithm that defines what contigs to connect and how to connect them. I improve these connections by using musical parameters such as the average pitch difference between neighbor contigs. The thesis concludes by evaluating simultaneously voice separation and pattern matching for the music analysis of fugues