Le cancer du sein est une pathologie fréquente pour lequel les examens TEP/TDM au ¹⁸F-FDG et IRM mammaire sont fréquemment réalisés en routine. Il existe cependant une sous-utilisation des informations apportées par chacune de ces techniques d'imagerie. En pratique, l’interprétation de ces examens est principalement basée sur l’analyse visuelle et l'analyse « quantitative » se résume généralement au SUVmax seul en TEP/TDM et à l’étude du rehaussement du signal après injection de produit de contraste en IRM mammaire (DCE-MRI). L’arrivée de nouvelles machines hybrides TEP/ IRM, nous a amené à évaluer l'apport d’une quantification avancée des images issues de chacune de ces modalités séparément et en combinaison. Cela rejoint un domaine en expansion « la radiomique » qui consiste à extraire un grand nombre de caractéristiques quantitatives des images médicales pour décrypter l’hétérogénéité tumorale ou améliorer la prédiction du pronostic.L’objectif de notre travail était d’étudier l’apport des données radiomiques extraites de l’imagerie TEP au ¹⁸F-FDG et de l’IRM avec injection de produit de contraste réalisées avant traitement pour caractériser l’hétérogénéité tumorale dans le cancer du sein, en prenant en compte les différents sous-types moléculaires de cancer du sein, à savoir les tumeurs luminales (Lum A, Lum B HER2- et Lum B HER2+), triple-négatives et HER2+. Une importance particulière a été portée sur la valeur prédictive des informations radiomiques extraites de ces 2 techniques d’imagerie pour prédire le pronostic dans un groupe de patientes traitées par chimiothérapie néo-adjuvante. L’influence de variations physiologiques telles que l’âge sur le calcul des données radiomiques dans le tissu mammaire normal et cancéreux séparément a également été explorée, de même que la variabilité multicentrique des index radiomiques. L’extraction de ces données radiomiques a été effectuée grace au logiciel LiFex développé au sein du laboratoire IMIV sur une base de données-patientes recueillie en rétrospective.Nous avons rapporté pour la première fois l’influence de l’âge sur le calcul des indices « radiomiques » en TEP dans le tissu mammaire sain dans 2 institutions différentes mais aussi dans les tumeurs mammaires notamment celle triple-négatives. Des associations significatives entre le « phénotype tumoral radiomique » en imagerie TEP et IRM et des données pronostiques reconnues dans le cancer du sein ont été mises en évidence. En outre, nous avons démontré l’existence d’une grande variabilité pour le « profil radiomique » en TEP parmi les tumeurs présentant le même sous-type moléculaire. Cela suggére l’existence d’informations non-redondantes au sein du « phénotype tumoral métabolique » de chaque tumeur mammaire défini par les données radiomiques. L’exploration de cette variabilité s’est révélée intéressante pour améliorer la prédiction de la réponse histologique chez les patientes avec des tumeurs triple-négatives traitées par chimiothérapie néo-adjuvante. Par ailleurs, les mesures effectuées dans la région mammaire péri-tumorale chez les patientes traitées par chimiothérapie néo-adjuvante se sont montrées prédictives pour les patientes avec des tumeurs Lum B HER2-. En IRM nous avons montré l’importance de standardiser la méthode de mesure des caractéristiques radiomiques. Nous avons observé que les caractéristiques radiomiques issues des images DCE-MRI étaient moins associées aux caractéristiques moléculaires des tumeurs et avaient une valeur prédictive moindre. Nous avons également proposé une nouvelle méthode relativement standardisée pour le calcul des données radiomiques en IRM mammaire avec des résultats intéressants mais cette méthode doit encore être optimisée. Cependant, nos résultats suggèrent que les données extraites de la totalité du volume tumorale en IRM compléteraient efficacement les caractéristiques radiomiques TEP et le sous-type moléculaire pour prédire la réponse à la chimiothérapie néo-adjuvante. / Breast cancer is a common disease for which ¹⁸F-FDG PET/CT and breast MRI are frequently performed in routine practice. However, the different information provided by each of these imaging techniques are currently under-exploited. Indeed, in routine the interpretation of these scans is mainly based on visual analysis whereas the « quantitative » analysis of PET/CT data is generally limited to the sole use of the SUVmax while in breast MRI, simple parameters to characterize tumor enhancement after injection of contrast medium are used. The advent of PET/MRI machines, calls for an evaluation of the contribution of a more advanced quantification of each of the modalities separately and in combination in the setting of breast cancer. This is along with the concept of « Radiomics » a field currently expanding and which consists in extracting many quantitative characteristics from medical images used in clinical practice to decipher tumor heterogeneity or improve prediction of prognosis. The aim of our work was to study the contribution of radiomic data extracted from ¹⁸F-FDG PET and MRI imaging with contrast injection to characterize tumor heterogeneity in breast cancer taking into account the different molecular subtypes of breast cancer, namely luminal (Lum A, Lum B HER2- and Lum B HER2 +), triple-negative and HER2 + tumors. In this context, we focused on the prediction of prognosis in patients treated with neo-adjuvant chemotherapy. The influence of physiological variations such as age on the calculation of radiomic data in normal breast and breast tumors separately was also explored, as well as the multi-center variability of radioman features. Radiomic features were extracted using the LiFex software developed within IMIV laboratory. The patient database used for the studies were all retrospective data. We reported for the first time the influence of age on the values of radiomic features in healthy breast tissue in patients recruited from 2 different institutions but also in breast tumors especially those with a triple-negative subtype. Similarly, significant associations between the radiomic tumor phenotype in PET and MRI imaging and well-established prognostic factors in breast cancer have been identified. In addition, we showed a large variability in the PET « radiomic profile » of breast tumors with similar breast cancer subtype suggesting complementary information within their metabolic phenotype defined by radiomic features. Moreover, taking into account this variability has been shown to be of particular interest in improving the prediction of pathological response in patients with triple-negative tumors treated with neoadjuvant chemotherapy. A peri-tumoral breast tissue region satellite to the breast tumor was also investigated and appeared to bear some prognostic information in patients with Lum B HER2- tumors treated with neoadjuvant chemotherapy. In MR, we demonstrated the need to harmonize the methods for radiomic feature calculation. Overall, we observed that radiomic features derived from MR were less informative about the molecular features of the tumors than radiomic features extracted from PET data and were of lower prognostic value. Yet, the combination of the enhanced tumor volume in MR with a PET radiomic feature and the tumor molecular subtype yielded enhanced the accuracy with which response to neoadjuvant therapy could be predicted compared to features from one modality only or molecular subtype only.