L'imagerie médicale moderne génère des données considérables pouvant rapidement saturer les systèmes de transmission et de stockage. La nécessité de compresser les images apparaît donc aujourd'hui incontournable. Actuellement, la seule compression tolérée par les médecins est celle sans pertes. Cependant ce type de compression n'offre que des gains limités. Dans ce contexte, la compression "avec pertes" maîtrisées peut être la réponse la plus appropriée.<br />Ainsi, nous proposons une méthode de compression avec pertes basée sur une transformée en ondelettes 3D suivie d'une Quantification Vectorielle Algébrique avec Zone Morte 3D (QVAZM 3D) pour les images radiologiques. La principale contribution de ce travail réside dans la conception d'une zone morte multidimensionnelle qui permet de prendre en compte les corrélations entre les voxels voisins. Les résultats sur une base d'IRM et scanner couramment utilisés montrent une supériorité visuelle et numérique de notre méthode par rapport à plusieurs des meilleurs codeurs. Ces résultats visuels prometteurs sont confirmés sur des scanners ORL à travers une évaluation de deux spécialistes du domaine.<br />La seconde contribution de cette thèse concerne l'évaluation de l'impact d'une compression avec pertes sur les performances d'un CAD (outil d'aide à la décision) performant pour la détection automatique de nodules pulmonaires. Ce travail original sur une population significative de 120 scanners de poumons a montré que la détection n'était pas détériorée par la compression jusqu'à un niveau de compression de 48 : 1 et restait robuste jusqu'à 96 : 1.<br />La dernière contribution de cette thèse traite de la réduction de la complexité de notre schéma de compression. Nous proposons deux méthodes d'allocations de débits pour les images naturelles et médicales. La première allocation consacrée à la QVAZM 2D s'appuie sur un ajustement précis des courbes débit-distorsion (R-D) en les approximant par un simple modèle exponentiel. La seconde allocation proposée pour les images naturelles 2D et médicales 3D utilise des modèles statistiques par blocs pour modéliser les courbes R-D. Ces modèles R-D s'appuient sur une modélisation de la distribution conjointe des vecteurs de coefficients d'ondelettes par un mélange de gaussiennes généralisées (multidimensionnelles).