L'évolution des techniques d'acquisition des imageries médicales et leur importance de plus en plus grande dans la prise en charge du patient (diagnostic, préparation d'intervention, suivi, etc.), font émerger de nouveaux besoins autour du traitement informatique des images. La reconnaissance du type de lésions hépatiques est un grand enjeu, notamment car le cancer du foie, létal et très répandu, est souvent diagnostiqué trop tard pour sauver le patient. C'est dans ce cadre qu'est né le projet de recherche de ce manuscrit, fruit d'une collaboration entre la société IMAIOS et le Laboratoire d'Informatique, de Robotique et de Microélectronique de Montpellier (LIRMM).Cette thèse présente un système complet et automatique permettant, à partir d'images de lésions au format médical DICOM, d'extraire des descripteurs visuels de divers nodules hépatiques puis de les différencier à l'aide de ces derniers. Les contributions décrites s'articulent autour de divers axes : normalisation des niveaux de gris des images de lésions par rapport au foie sain, proposition, analyse et tests de descripteurs visuels (s'appuyant notamment sur les informations temporelles ou de densité des tissus), caractérisations diverses des différents types de lésions grâce à ces descripteurs et à un algorithme de classification. Les données sur lesquelles ces travaux ont été effectués sont des examens scanner multiphasiques. / Medical imaging acquisition has taken benefits from recent advances and is becoming more and more important in the patient care process. New needs raise, which are related to image processing. Hepatic lesion recognition is a hot topic, especially because liver cancer is wide-spread and leads to death, most of the time because of the diagnosis which is made too late. In this context is born this manuscrit research project, a collaboration between IMAIOS company and the Laboratory of Informatics, Robotics and Micro-electronics ofMontpellier (LIRMM).This thesis presents a complete and automated system that extracts visual features from lesion images in the medical format DICOM, then differenciate them on these features.The various described contributions are: intensity normalization using healthy liver values, analysis and experimentations around new visual features, which use temporal information or tissue density, different kind of caracterisation of the lesions. This work has been done on multi-phase Computed Tomography acquisitions.