Comprendre le comportement du système visuel rétino-thalamo-cortico-colliculaire (i.e. précoce) dans une situation d'images naturelles est d'une importance capitale pour comprendre ce qui se passe ensuite dans le cerveau. Pour comprendre ces comportements, les neurobiologistes ont étudié les voies standard, Parvocellulaires et Magnocellulaires, depuis des décennies. Cependant, il y a aussi la voie non-standard, ou Koniocellulaire, qui joue un rôle modulateur important dans les traitements local, global, et entremêlé, pour atteindre de tels comportements. Particulièrement, l'analyse standard du mouvement réalisée par la voie Magno est alternée avec des réactions rapides, comme la fuite ou l'approche à des mouvements spécifiques, qui sont pré-câblés dans la voie Konio. De plus, l'étude d'une tâche de fixation dans une situation réelle, par exemple quand un prédateur s'approche lentement de sa proie, implique non seulement un mécanisme de mouvement, mais nécessite également l'utilisation de la voie Parvo, qui analyse, au moins, le contraste de l'image. Ici, nous étudions dans un modèle neuronal de calcul bio-inspiré comment ces voies peuvent être modélisées avec un ensemble minimal de paramètres, afin de fournir des résultats numériques robustes lors d'une tâche réelle. Ce modèle repose sur une étude approfondie pour intégrer des éléments biologiques dans l'architecture des circuits, les constantes de temps et les caractéristiques de fonctionnement des neurones. Nos résultats montrent que notre modèle, bien que fonctionnant via des calculs locaux, montre globalement un bon comportement de réseau en termes d'espace et de temps, et permet d'analyser et de proposer des interprétations de l'interaction entre le thalamus et le cortex. À une échelle plus macroscopique, les comportements du modèle sont reproductibles et peuvent être qualitativement comparés à des mesures de fixation oculaire chez l'homme. Cela est également vrai lorsque l'on utilise des images naturelles, où quelques paramètres sont légèrement modifiés, en gardant des résultats qualitativement humains. Les résultats de robustesse montrent que les valeurs précises des paramètres ne sont pas critiques, mais leur ordre de grandeur l'est. Une instabilité numérique ne se produit qu'après une variation de 100% d'un paramètre. Nous pouvons donc conclure que cette approche systémique est capable de représenter les changements de l'attention en utilisant des images naturelles, tout en étant algorithmiquement robuste. Cette étude nous donne ainsi une interprétation possible sur le rôle de la voie Konio, tandis qu'en même temps elle nous permet de participer au débat sur les low et high-roads des flux attentionnel et émotionnel. Néanmoins, d'autres informations, comme la couleur, sont également présentes dans le système visuel précoce, et pourraient être prises en considération, ainsi que des mécanismes corticaux plus complexes, dans les perspectives de ce travail / Understanding the behavior of the retino-thalamo-cortico-collicular (i.e. early) visual system in a natural images situation is of utmost importance to understand what further happens in the brain. To understand these behaviors, neuroscientists have looked at the standard Parvocellular and Magnocellular pathways for decades. However, there is also the non-standard Koniocellular pathway, which plays an important modulating role in the local, global, and intermingled processing carried out to achieve such behaviors. Particularly, the standard motion analysis carried out by the Magno pathway is alternated with rapid reactions, like fleeing or approaching to specific motions, which are hard-wired in the Konio pathway. In addition, studying a fixation task in a real situation, e.g., when a predator slowly approaches its prey, not only involves a motion mechanism, but also requires the use of the Parvo pathway, analyzing, at least, the image contrast. Here, we study in a bio-inspired computational neural model how these pathways can be modeled with a minimal set of parameters, in order to provide robust numerical results when doing a real task. This model is based upon an important study to integrate biological elements about the architecture of the circuits, the time constants and the operating characteristics of the different neurons. Our results show that our model, despite operating via local computations, globally shows a good network behavior in terms of space and time, and allows to analyze and propose interpretations to the interplay between thalamus and cortex. At a more macroscopic scale, the behaviors emerging from the model are reproducible and can be qualitatively compared to human-made fixation measurements. This is also true when using natural images, where just a few parameters are slightly modified, keeping the qualitatively human-like results. Robustness results show that the precise values of the parameters are not critical, but their order of magnitude matters. Numerical instability occurs only after a 100% variation of a parameter. We thus can conclude that such a reduced systemic approach is able to represent attentional shifts using natural images, while also being algorithmically robust. This study gives us as well a possible interpretation about the role of the Konio pathway, while at the same time allowing us to participate in the debate between low and high-roads in the attentional and emotional streams. Nevertheless, other information, such as color, is also present in the early visual system, and should be addressed together with more complex cortical mechanisms in a sequel of this work