La tomosynthèse numérique du sein est une nouvelle technique d'imagerie 3D qui peut potentiellement pallier certaines limitations de la mammographie standard comme la superposition de tissus. Ces améliorations se font au prix d'une plus grande quantité de données à examiner pour le radiologue. Dans ce contexte, l'élaboration d'un outil de détection automatique de signes radiologiques suspects, pour permettre au praticien de conserver un temps de lecture acceptable avec une haute sensibilité, prend tout son sens. Dans ce type d'imagerie, les cancers peuvent se traduire par plusieurs types de signes radiologiques: les amas de microcalcifications, les masses et les distorsions architecturales. Nos travaux se sont focalisés sur la détection des masses et des distorsions architecturales, tâche particulièrement difficile compte tenu de la grande variabilité morphologique de ces signes radiologiques et de leur contraste qui peut être particulièrement faible. Pour détecter les masses, nous proposons un cadre théorique fort visant à étendre les filtres connexes dans le formalisme des ensembles flous. Les distorsions architecturales sont quant à elles traitées grâce à l'adaptation du modèle a contrario pour détecter des signes de convergences qui sont hautement suspects en tomosynthèse. Ces différents outils sont finalement combinés pour l'élaboration d'une chaîne de détection de signes radiologique et une comparaison avec l'état de l'art des performances obtenues est présentée.