Évaluer quantitativement les mouvements d'un patient lors d'un traitement par radiothérapie est un enjeu majeur. En effet, ces mouvements et ces déformations anatomiques induisent une incertitude balistique conduisant les thérapeutes à augmenter les marges de sécurité, ce qui peut empêcher de délivrer une dose suffisante à la région tumorale. Dans le cadre de cette thèse, nous nous sommes intéressés à l'estimation de ces mouvements dans les images obtenues juste avant le traitement par le scanner à faisceau conique. Pour cela, nous avons utilisé des algorithmes de recalage déformable. Dans un premier temps, nous avons cherché à améliorer la modélisation du mouvement respiratoire. Pour cela, nous nous sommes basés sur un modèle utilisant une segmentation de l'intérieur de la cage thoracique afin d'autoriser le glissement des organes internes contre cette dernière, tout en préservant un champ de déformation cohérent. La segmentation de l'intérieur de la cage thoracique est effectuée automatiquement par un algorithme qui prend en paramètres une segmentation des poumons et de la cage thoracique. Les algorithmes permettant de segmenter ces deux régions se sont avérés peu robustes, ce qui nous a poussé à les améliorer. Une fois ces structures bien segmentées, le modèle de transformation souffre d'un inconvénient majeur empêchant son utilisation dans un algorithme de recalage entre des projections 2D et une image 3D. En effet, il nécessite une segmentation 3D de l'intérieur de la cage thoracique dans les 2 images à recaler, ce qui est impossible à obtenir pour la série de projections 2D. Le modèle proposé dans cette thèse permet de contraindre les déformations à représenter des mouvements physiologiquement plausibles, tout en ne nécessitant qu'une seule segmentation de l'image 3D. Dans un deuxième temps, nous avons implémenté un algorithme de recalage 2D/3D utilisant le modèle de déformation proposé afin d'extraire le mouvement respiratoire des projections 2D de l'imageur à faisceau conique. Cet algorithme a été testé sur des images simulées dont les déformations étaient connues. Les résultats étant concluants, nous avons utilisé un algorithme de reconstruction compensée en mouvement dans le but de produire des images 3D sans flou respiratoire sur des données réelles. L'approche proposée permet d'obtenir une connaissance approfondie de l'anatomie du patient et de son mouvement respiratoire le jour du traitement, ce qui ouvre de nouvelles perspectives comme l'adaptation journalière du traitement, le calcul de dose prenant en compte le mouvement respiratoire et la re-planification de traitement. Cette approche de recalage entre une image 3D et des projections 2D est généralisable à d'autres mouvements et d'autres régions anatomiques. / Motion estimation is a challenge in radiotherapy. It requires security margins to account for the incertitude on the tumor position. In this thesis, we address the problem of estimating the motion directly in the treatment room using the cone-beam projections. Firstly, we proposed a new breathing motion model that takes into account the sliding discontinuity between the rib-cage and the lungs. This method uses a segmentation of the inner part of the rib-cage which is obtained by an algorithm that requires the segmentation of the lungs and the rib-cage. The algorithms segmenting these parts were not robust enough and we proposed methods to improve their robustness. Compared to previous methods using this mask, our motion model is more robust to segmentation inconsistencies because it only requires a single mask instead of two consistent masks. Moreover, in case of 2D/3D registration, the computation of the second mask is usually not possible. The proposed model restricts the transformation to physically plausible motions and rely on a single segmentation. Secondly, we proposed a 2D/3D registration algorithm that uses our breathing model to extract motion from the cone-beam projections obtained just before the treatment. This algorithm was tested on simulated data. Then, we applied it to real data to reconstruct motion compensated images to remove motion blur from cone-beam CT. The proposed approach gives access to the patient motion just before the treatment, which can be used to daily adapt the treatment or to compute 4D dose maps. This approach can be used for other motions in other anatomic regions.