L'échographie est un outil d'imagerie médicale qui s'impose pour le diagnostic de nombreuses pathologies. En conséquence, une large littérature du domaine de l'image s'intéresse à ces images pour fournir des outils d'analyse et de caractérisation tissulaire. L'objectif de cette thèse est de modéliser la texture échographique par des champs markoviens pour en extraire des paramètres susceptibles de caractériser l'organisation des tissus. Dans une première partie, nous évaluons l'habilité des lois de distribution proposées dans la littérature (Gamma, K et Nakagami) à modéliser les niveaux de l'enveloppe du signal RF. Nous illustrons par des simulations de texture échographique les liens entre les paramètres de ces lois et les paramètres intrinsèques des diffuseurs, à savoir la densité, l'amplitude et l'espacement entre diffuseurs. Dans une deuxième partie, nous élaborons des modèles spatiaux par l'approche markovienne de façon à obtenir en chaque pixel de l'image une distribution de type K ou Nakagami dont les paramètres dépendent de la configuration du voisinage. A l'aide de simulation de ces champs de micro-texture, on illustre le comportement de leurs paramètres. La troisième partie est dédiée à l'application de ces modèles spatiaux sur des images enveloppes simulées. On montre ici l'habilité de ces modèles à décrire la disposition spatiale des diffuseurs qui constituent le tissu, et le lien entre les paramètres du modèle et les propriétés intrinsèques de diffuseurs. Finalement, les développements futurs de cette approche sont discutés.