Cette these traite de la modelisation statistique de formes en imagerie<br />cerebrale.<br /><br />Dans une premiere partie, nous proposons un modele statistique de la forme des sillons corticaux. Le modele est bati par apprentissage a partir de sillons extraits d'images IRM et dotes d'une representation parametrique. La definition d'un repere intrinseque a la forme sillon permet d'aligner l'ensemble des formes extraites et de construire une population d'apprentissage coherente sur laquelle appliquer une analyse en composantes principales afin de deriver le modele. Ce modele statistique est ensuite etendu a un graphe de sillons afin de decrire non plus seulement les caracteristiques morphologiques d'un sillon, mais aussi les relations de position et d'orientation entre sillons principaux.<br />L'analyse presentee ici porte sur un sous-graphe defini par un couple de sillons. <br /><br />Dans une seconde partie, trois applications de la modelisation proposee sont envisagees. D'une part, nous l'utilisons dans un cadre d'evaluation de methodes de recalage global inter-sujets. Pratiquee sur des amers locaux, l'analyse statistique fournit un indicateur de la similarite des formes au sein des populations recalees, et produit un critere de comparaison entre les methodes. D'autre part, nous exploitons la connaissance statistique apportee par le modele sur les sillons dans le contexte de la construction d'atlas anatomiques et fonctionnels. Nous proposons une methode locale et non-lineaire de recalage inter-sujets de donnees fonctionnelles, exprimees sous forme de dipoles MEG (localisations d'activations fonctionnelles), base sur la modelisation des amers anatomiques que sont les sillons corticaux. Exprimentee sur une population de 18 sujets, cette methode s'est averee apte a reduire la variabilite fonctionnelle inter-individuelle observee. Enfin, nous appliquons la methodologie proposee dans le cas des sillons a la modelisation statistique de la forme de frontieres fonctionnelles delimitant des aires visuelles de bas-niveau.