Le visage humain joue un rôle important dans la communication interpersonnelle. La dysfonction du visage ou le défigurement due aux traumatismes ou pathologies peuvent entraver les activités sociales normales. Le traitement chirurgical est souvent nécessaire. De nos jours, le résultat du traitement chirurgical et l’état d’établissement ne sont estimé qu’avec les méthodes qualitatives telles que l’observation visuelle et la palpation. Dans l’attente de fournir des critères quantitatifs, cette thèse a pour l’objectif de modéliser la mimique faciale utilisant MEF (Méthode d’Éléments Finis) sur la base des données d’IRM (Imagerie par Résonance Magnétique). Un modèle sujet-spécifique du visage a été construit sur la base de la segmentation des données IRM ; il contient des parties osseuses, muscles de la mimique (p.ex. le muscle grand zygomatique), les tissues mous sous-cutanées et la peau. L’identification des tissus mous biologiques a été réalisée via des essais de traction bi-axiale et la modélisation numérique. Ensuite, le modèle géométrique a été maillé pour effectuer des calculs EF simulant trois mouvements mimiques du visage (sourire, prononciation du son « Pou » et « O »). Les muscles ont été modélisés comme un matériau quasi-incompressible, transversalement isotrope et hyperélastique, avec la capacité d’activation. Des informations pertinentes (p.ex. l’amplitude de contraction du muscle) utilisées dans la simulation ont été extraites de la mesure des données d’IRM. Il est à noter que les mêmes données expérimentales d’IRM telles qu’ils ont utilisées dans la modélisation ont été prises comme une référence de validation pour les résultats de simulation. Cette étude peut être appliquée cliniquement dans l’évaluation du traitement faciale et le rétablissement postopérative. / Human face plays an important role interpersonal communication. Facial dysfunction or disfigurement due to trauma or pathologies may impede normal social activities. Surgical treatment is often necessary. Nowadays, treatment outcome and rehabilitation condition are estimated only by qualitative methods, such as visual observation and palpation. In expectation of providing quantitative criteria, this thesis proposes to model facial mimics using FEM (Finite Element Method) on the basis of MRI (Magnetic Resonance Imaging) data. A subject-specific face model was reconstructed based on segmentation of MRI data; it contains bony parts, mimic muscles (e.g. zygomaticus major muscle), subcutaneous soft tissues and skin. Identification of biological soft tissues was conducted through bi-axial tension tests and numerical modeling. Then the geometric model was meshed to conduct FE calculations simulating three facial mimic movements (smile, pronunciation of sound “Pou” and “O”). Muscle was modeled as quasi-incompressible, transversely-isotropic, hyperelastic material, with activation ability. Relevant information (e.g. contraction amplitude of muscle) used in simulation was extracted from measurement of MRI data. It is to be noted that the same experimental MRI data as used in modeling was taken as validation reference for simulation results. This study can be applied clinically in evaluation of facial treatment andpostoperative recovery.