Cette thèse porte sur la méthode du gradient topologique appliquée au traitement d'images. Principalement, on s'intéresse à la détection d'objets assimilés, soit à des contours si l'intensité de l'image à travers la structure comporte un saut, soit à une structure fine (filaments et points en 2D) s'il n'y a pas de saut à travers la structure. On commence par généraliser la méthode du gradient topologique déjà utilisée en détection de contours pour des images dégradées par du bruit gaussien, à des modèles non linéaires adaptés à des images contaminées par un processus poissonnien ou du bruit de speckle et par différents types de flous. On présente également un modèle de restauration par diffusion anisotrope utilisant le gradient topologique pour un domaine fissuré. Un autre modèle basé sur une EDP elliptique linéaire utilisant un opérateur anisotrope préservant les contours est proposé. Ensuite, on présente et étudie un modèle de détection de structures fines utilisant la méthode du gradient topologique. Ce modèle repose sur l'étude de la sensibilité topologique d'une fonction coût utilisant les dérivées secondes d'une régularisation de l'image solution d'une EDP d'ordre 4 de type Kirchhoff. En particulier on explicite les gradients topologiques pour des domaines 2D fissurés ou perforés, et des domaines 3D fissurés. Plusieurs applications pour des images 2D et 3D, floutées et contaminées par du bruit gaussien, montrent la robustesse et la rapidité de la méthode. Enfin on généralise notre approche pour la détection de contours et de structures fines par l'étude de la sensibilité topologique d'une fonction coût utilisant les dérivées m−ième d'une régularisation de l'image dégradée, solution d'une EDP d'ordre 2m. / This thesis deals with the topological gradient method applied in imaging. Particularly, we are interested in object detection. Objects can be assimilated either to edges if the intensity across the structure has a jump, or to fine structures (filaments and points in 2D) if there is no jump of intensity across the structure. We generalize the topological gradient method already used in edge detection for images contaminated by Gaussian noise, to quasi-linear models adapted to Poissonian or speckled images possibly blurred. As a by-product, a restoration model based on an anisotropic diffusion using the topological gradient is presented. We also present a model based on an elliptical linear PDE using an anisotropic differential operator preserving edges. After that, we study a variational model based on the topological gradient to detect fine structures. It consists in the study of the topological sensitivity of a cost function involving second order derivatives of a regularized version of the image solution of a PDE of Kirchhoff type. We compute the topological gradients associated to perforated and cracked 2D domains and to cracked 3D domains. Many applications performed on 2D and 3D blurred and Gaussian noisy images, show the robustness and the fastness of the method. An anisotropic restoration model preserving filaments in 2D is also given. Finally, we generalize our approach by the study of the topological sensitivity of a cost function involving the m − th derivatives of a regularization of the image solution of a 2m order PDE.