L’environnement naturel des levures est constitué d’une communauté de cellules. Les chercheurs, cependant, préfèrent étudier les levures dans des environnements plus simples et homogènes, comme des cultures en cellule unique ou en population, s’affranchissant ainsi de la complexité de la croissance spatiotemporelle, la différentiation, l’auto-organisation, ainsi que la façon dont ces caractéristiques sont formées et s’entrelacent à travers l’évolution et l’écologie. Nous avons mis en place un dispositif microfluidique multicouches permettant la croissance de colonie de levures dans des environnements dynamiques, spatialement structurés, contrôlés, partant d’une monocouche de levures à une colonie multicouches. La croissance des colonies, dans son ensemble comme à des positions spécifiques, est le résultat de la formation d’un gradient de nutriment au sein de celles-ci - gradient qui trouve son origine dans le différent taux de diffusion des nutriments, des taux d’absorption de ceux-ci par les cellules, ainsi que de leurs concentrations initiales. Lorsqu’un nutriment en quantité limitante (par exemple le glucose ou un acide aminé) est épuisé, à une distance spécifique de la source de nutriments, les cellules au sein de la colonie cessent de croitre. Nous avons été en mesure de moduler cette distance spécifique en variant la concentration initiale de nutriments ainsi que le taux d’absorption des cellules. Les motifs d’expression de gènes de la colonie nous ont donné des informations sur la formation de micro environnements spécifiques ainsi que sur le développement subséquent, la différentiation et l’auto-organisation. Nous avons quantifié les motifs d’expression de sept gènes de transport du glucose (HXT1-7), chacun exprimé spécifiquement suivant la concentration de glucose, ce qui nous a permis de reconstituer la formation de gradients de glucose au sein d’une colonie. En étudiant des gènes spécifiques de la fermentation et de la respiration, nous avons pu observer la différentiation en deux sous-populations. Nous avons de plus cartographié l’expression de gènes impliqués dans différentes parties du métabolisme des glucides, suivi et quantifié la dynamique spatio-temporelle de croissance et d’expression génétique et finalement modélisé la croissance de la colonie ainsi que la formation du gradient de nutriment. Pour la première fois, nous avons observé la croissance, la différentiation et l’auto-organisation des colonies de S. cerevisiae avec une résolution spatio-temporelle jusqu’à maintenant inégalée / The natural environment of yeast is often a community of cells but researchers prefer to study them in simpler homogeneous environments like single cell or bulk liquid cultures, losing insight into complex spatiotemporal growth, differentiation and self-organization and how those features are intertwined and shaped through evolution and ecology. I developed a multi-layered microfluidic device that allows us to grow yeast colonies in spatially controlled dynamically structured changing environments from a monolayer of single yeast cells to a multi-layered colony. Colony growth, as a whole and at specific locations, is a result of the nutrient gradient formation within a colony through interplay of nutrient diffusion rates, nutrient uptake rates by the cells and starting nutrient concentrations. Once a limiting nutrient (e.g. glucose or amino acids) is depleted at a specific distance from the nutrients source the cells within a colony stop to grow. I was able to modulate this specific distance by changing the starting nutrient concentrations and uptake rates of cells. Colony gene expression patterns gave us information on specific micro environments formation and consequential development, differentiation and self-organization. I quantified the patterns of expression of seven glucose transporter genes (HXT1-7), each of them specifically expressed depending on the glucose concentration. This enabled us to reconstruct glucose gradients formation in a colony. I further followed the expression of fermentation and respiration specific genes and observed differentiation between two subpopulations. We also mapped other genes specific for different parts of carbohydrate metabolism, followed and quantified the spatiotemporal dynamics of growth and gene expression, and finally modelled the colony growth and nutrient gradient formation. For the first time, we were able to observe growth, differentiation and self-organization of S. cerevisiae colony with such an unprecedented spatiotemporal resolution