La structure du milieu interstellaire est très hétérogène dans notre Galaxie. Les observations, ainsi que les lois d'échelle, suggèrent que sa structure pourrait être fractale. Les plus petites structures de gaz ou clumps auraient un rayon de quelques unités astronomiques et une température de quelques kelvins, les rendant très difficilement détectables. Ces nuages de gaz moléculaires froids et denses peuvent donc être des candidats peu lumineux à une matière noire baryonique.L'objectif de cette thèse est de trouver des indices observationnels de l'existence de ces sous-structures gazeuses. La méthodologie consiste à comparer les magnitudes apparentes d'étoiles à différents intervalles de temps et vers plusieurs directions dans la Galaxie; afin de détecter des variations photométriques temporelles compatibles avec un événement d'obscurcissement. En effet, si un nuage moléculaire se trouve en amont d'une étoile, celle-ci sera obscurcie ou occultée par les sous-structures composant le nuage moléculaire, pendant une certaine durée de temps (dépendant de la vitesse de chaque objet et du temps d'observation considéré). Dans un premier temps, nous avons effectué un traitement photométrique complet pour chercher de tels événements dans l'amas globulaire NGC 4833 en comparant des observations photométriques séparées de six mois. Cet amas fut observé par D. Puy et D. Pfenniger en janvier et juillet 2006. Puis, nous avons utilisé des observations de plusieurs amas globulaires observés par le télescope Hubble, dont la photométrie est connue et rendue publique.Finalement, nous avons développé des méthodes d'apprentissage automatique afin de détecter des événements d'obscurcissement dans le Sloan Digital Sky Survey, Stripe 82.Aucun événement d’obscurcissement d'étoiles n'a pu être détecté ni dans la direction des amas globulaires considérés ni dans la région de Stripe 82. Néanmoins, des simulations d'un nuage fractal ont été réalisées pour estimer la probabilité d’occurrence du phénomène d'obscurcissement d'étoiles. Elles montrent que l’événement est extrêmement rare, ce qui permet d'émettre une nouvelle stratégie d'observation pour augmenter les chances de détecter de tels événements. De plus, les méthodes d'apprentissage automatique utilisées pour cette étude sont appliquées à d'autres objets variables tel que les quasars, très nombreux dans Stripe 82, et peuvent être utilisées pour d'autres objets variables tels que les supernovae. / The scaling laws and the very appearance of the interstellar medium suggest that this medium might have a fractal structure. The smallest structure of gas called clumps might have a radius about few astronomical units and a very low temperature of few kelvins, making them very difficult to detect. That is why, cold, dense, molecular clouds could be ideal candidates for baryonic dark matter. Because of their low temperature, they do not radiate, and seem to be dark.The aim of this thesis is to highlight observational clues on the existence of clumps by comparing apparent magnitudes of stars at different times, and towards different directions in the Galaxy. If a molecular fractal cloud lies behind a star, it will be obscured or occulted within a certain time (depending on the velocity of each object and on observational time). Therefore the goal of this thesis is to detect magnitude-time variations of stars compatible with an obscuration event.First, we did a complete photometric data reduction of observations of a globular cluster, NGC 4833, carried out by D. Puy and D. Pfenniger in January and July 2006. We wanted to detect obscuration events of stars in NGC 4833, in a six-month period. Then, we used public data of several globular clusters observed by the Hubble Space telescope.Finally, we developed machine learning methods to detect obscuration events in the Sloan Digital Sky Survey, Stripe 82.No obscuration events were detected either in several globular clusters, or in the Stripe 82 survey. However, we performed simulations of a fractal cloud to estimate probabilities of obscuration events. They show that such events are very rare, allowing us to develop a new observational strategy for increasing the probability of detecting obscuration events. Moreover, machine learning methods used in this study are applied to other variable objects, such as quasars which are numerous inside Stripe 82 survey, and could be used to other variables objects such as supernovae for example.