Cette thèse a mis en avant l'intérêt de l'utilisation de données à très haute résolution spatiale et spectrale pour la caractérisation de biodiversité végétale en zone de montagne. D'une part, il a été mis en évidence que des données hyperspectrales (in situ ou aéroportées) permettent de discriminer des habitats végétaux dans une tourbière de montagne. La difficulté de cette étude provient de la forte hétérogénéité qui existe au sein d'une toubière qui connait de forts gradients floristiques et la définition des classes d'habitats qui regroupent plusieurs espèces végétales (parfois communes d'une classe à l'autre). Plus précisément, cette thèse a permis de mettre en évidence que la discrimination pouvait s'effectuer selon trois approches : à partir de mesures de similarité appliquées à la signature spectrale ; en appliquant une classification supervisée qui prend en compte l'information locale (indices spectraux de végétation) ou l'information globale (différents domaines spectraux). Les meilleurs résultats pour distinguer ces différentes classes d'habitats ne sont pas obtenus avec la signature spectrale mais avec des signatures spectrales transformées (CRDR) dans le domaine [350-1350 nm]. Les indices spectraux de végétation qui ont été sélectionnés à partir d'une base non exhaustive, qui caractérise d'autres espèces végétales, sont principalement situés aussi dans ce domaine spectral. De plus, cette thèse a mis en évidence l'intérêt d'appliquer un classifieur peu utilisé pour la classification mais plutôt pour la réduction de dimension (RLR). Une cartographie fine des habitats a également été réalisée en s'appuyant sur des données hyperspectrales aéroportées. / This thesis highlighted the interest of using data with very high spatial and spectral resolution for the characterization of plant biodiversity in mountain areas. On the one hand, it has been shown that (in situ or airborne) hyperspectral data can discriminate plant habitats in a mountain peatbog. The difficulty of this study comes from the strong heterogeneity that exists within a bog that has strong floristic gradients and the definition of habitat classes that group several plant species (sometimes common from one class to another). More specifically, this thesis made it possible to highlight that discrimination could be carried out according to three approaches starting from measures of similarity applied to the spectral signature by applying a supervised classification which takes into account local information (spectral indices of vegetation) or global information (different spectral domains). The best results to distinguish these different habitat classes are not obtained with the spectral signature but with transformed spectral signatures (CRDR) in the spectral range[350-1350 nm]. The spectral vegetation indices that have been selected from a non-exhaustive base, which characterizes other plant species, are also mainly located in this spectral range. Moreover, this thesis highlighted the interest of applying a classifier little used for classification but rather for dimension reduction (RLR). Fine mapping of habitats was also carried out using airborne hyperspectral data.