Cette thèse s'intéresse à l'étude des techniques du Web sémantique en vue de leur application au multimédia. Le Web sémantique a pour objectif de rendre les ressources du web compréhensibles et interprétables par des machines et des programmes, en s’appuyant sur l’usage de descriptions (i.e., vocabulaires, ontologies) partagées. Les ressources peuvent ainsi être décrites par des annotations utilisant les concepts et relations des ontologies. Les langages standard du Web sémantique sont conçus pour tout type de ressources (textes, images, …), mais ne permettent de décrire que des objets abstraits et des relations symboliques entre eux. Leur application au multimédia nécessite des extensions et des enrichissements pouvant s’accommoder des caractéristiques inhérentes au média visuel. Les extensions devraient permettre de décrire: 1) D'une part la correspondance entre les concepts d'une ontologie et leurs représentations visuelles concrètes dans une image ou une vidéo. 2) et d'autre part la correspondance entre les représentations visuelles de haut niveau (personnes, bâtiments, …) et des caractéristiques de bas niveau (couleurs, formes, textures, mouvement, …) dans une image ou une vidéo. Un tel langage devra être pourvu de mécanismes de raisonnements spatial et temporel pour gérer les représentations visuelles des objets. Une ontologie contenant ces informations permettra de générer automatiquement des annotations symboliques de haut niveau sur des ressources multimédias, i.e. de reconnaître des entités présentes dans des images ou dans des vidéos en combinant des techniques de traitement d'image qui fourniront des descripteurs de bas niveau et de propagation de contraintes.