L'objectif de cette thèse est la compréhension et la modélisation du cortex visuel des mammifères avec des modèles à taux de décharge, appelés les champs neuronaux, où les fines spécificités du calcul neuronal sont négligées. Cette thèse est divisée en trois parties, deux parties théoriques et une plus appliquée. Dans la première partie, nous examinons les états stationnaires des équations des champs neuronaux en utilisant des outils topologiques et la théorie des bifurcations. Nous sommes particulièrement intéressés par le nombre de ces états étant donné un stimulus parce que tous ces états sont des représentations corticales du stimulus. Toutefois, selon les paramètres, les équations du champ de neurones peuvent avoir des solutions stationnaires multiples qui sont autant de représentations corticales du stimulus. Si plus d'une solution stable existe, nous avons montré comment distinguer une de ces activités corticales comme étant la représentation '' principale'' du stimulus et les autres comme des illusions neuronales. L'étude aboutit à un schéma numérique pour calculer les différentes solutions stationnaires du réseau de champ de neurones en utilisant plusieurs paramètres de continuation : ce schéma est utile pour sa capacité à détecter les bifurcations Saddle-Node. Dans la deuxième partie de cette thèse, nous étudions les effets des retards de propagation de l'information, les principaux résultats théoriques étant la preuve d'un théorème de variété centrale. Cependant, le résultat le plus utile est une formule analytique pour les courbes de bifurcation de Hopf dans le plan (vitesse de propagation - délai synaptique). Ces courbes indiquent les paramètres qui produisent des oscillations spontanées des neurones. L'étude du réseau sans cette formule analytique est très laborieuse. Elle a été utilisée pour révéler la structure très complexe du diagramme de bifurcation dans les réseaux de neurones avec retards de propagation. Enfin, dans la dernière partie de cette thèse, nous étudions trois modèles de cortex visuel auxquels nous appliquons les outils développés dans les parties précédentes. Le premier modèle est le Ring Model of orientation tuning pour lequel nous avons découvert l'existence d'un seuil de perception et expliqué comment il peut être observé expérimentalement. Le second modèle étudié est celui Blumenfeld et al., très proche dans sa formulation du modèle précédent, et se fonde sur des données expérimentales (fournis par G. Masson et le laboratoire de F.Chavane à l'INT, Marseille, FRANCE). Nous avons montré comment les symétries imparfaites de la connectivité affectent les réponses du réseau. En particulier, nous avons montré comment le réseau parvient à produire une réponse en accord avec le stimulus malgré ses préférences internes. Enfin, le dernier modèle que nous avons étudié est un modèle de l'aire visuelle V1 que nous avons développé, dans la lignée du travail de Bressloff et al. Nous avons appliqué à ce modèle, les outils mathématiques et informatiques développés dans les parties précédentes. Ce nouveau modèle ne dispose pas d'une connectivité dépendant de l'orientation préférée des neurones. En particulier, nous avons montré que si la vitesse de propagation de l'information était trente fois plus lente, une instabilité pourrait se développer entraînant des illusions périodiques en temps.