La gestion de l'environnement et des ressources disponibles nécessite de caractériser l'état de la végétation. Les modèles agronomiques simulent le fonctionnement du couvert à partir du climat, des pratiques culturales et des propriétés de la plante et du sol. Le projet ADAM, dans lequel s'inscrit cette thèse, a pour objectif de combiner les données de télédétection avec l'information fournie par les modèles agronomiques afin de participer au raisonnement des cultures et à l'évaluation de l'environnement. Sur un modèle d'étude, nous avons proposé une approche originale d'assimilation simultanée sur une scène, en imposant des contraintes sur les paramètres en fonction de leur variabilité au niveau du pixel, de la parcelle, de la variété. . . La taille de l'espace de contrôle est ainsi diminuée par rapport à un problème résolu pixel par pixel et qui se trouve être mal posé lorsque l'on dispose de peu d'observations. Cette technique a permis d'améliorer fortement l'estimation des paramètres d'entrée et de réduire la fréquence temporelle d'observation. Nous avons ensuite étudié la faisabilité d'une telle méthode sur un modèle mécaniste complexe de fonctionnement de la végétation (STICS), dont la différentiation a présenté des difficultés théoriques et pratiques. En effectuant une analyse de sensibilité utilisant le modèle adjoint de STICS, nous avons pu hiérarchiser ses paramètres selon leur influence sur la croissance de la culture. Nous avons démontré la faisabilité d'une technique d'assimilation avec contraintes dans STICS, ce qui permet d'envisager de nombreuses applications dans le domaine agronomique.