Depuis 2007, une nouvelle génération de capteurs RSO (RADAR à Synthèse d'Ouverture) a été mise en orbite. Ces capteurs (TerraSAR-X, Cosmo-SkyMed, RADARSAT-2, Sentinel) sont caractérisés par des résolutions spatiales métriques à la différence des capteurs précédents (ERS, JERS, ALOS, ASAR) de résolution spatiale d'une vingtaine de mètres. La résolution spatiale métrique met en évidence une information texturale intéressante qui était inaccessible avec les RSO satellitaires existants précédemment. Les travaux de cette thèse ont pour but d'évaluer le potentiel de l'analyse texturale des images RADAR à haute résolution spatiale, pour la classification des forêts tropicales. Trois différents sites d'étude avec différentes problématiques ont été choisis pour évaluer l'apport de l'analyse texturale au Cambodge, Cameroun et Brésil. La méthode d'analyse texturale des images est réalisé moyennant les paramètres de texture de Haralick, paramètres statistique de second ordre. Une classification supervisée, en utilisant la méthode SVM (Support Vector Machine) a été adopté pour évaluer l'apport des paramètres de texture utilisés / Since 2007, a new generation of SAR sensors (Synthetic Aperture RADAR) was launched. These sensors (TerraSAR-X, Cosmo-SkyMed, RADARSAT-2, and Sentinel) are characterized by metric spatial resolutions unlike previous sensors (ERS, JERS, ALOS, ASAR) with a spatial resolution of about twenty meters. Metric spatial resolution highlights interesting textural information that was inaccessible with the previously existing SAR sensors. This thesis aims at evaluating the contribution of textural analysis from high spatial resolution images for tropical forests mapping. Three different study sites with different problematic have been chosen to evaluate the textural analysis in Cambodia, Cameroun and Brazil. Indeed, the contribution of the analysis of textural information for classification has been emphasized. The latter is understood through the analysis of Haralick textural parameters, second order statistic parameters. The retained algorithm of classification is the SVM (Support Vector Machine), as it allows taking into account numerous parameters, which can be heterogeneous with respect to their physical dimension