Cette thèse a pour premier objectif la construction d’un modèle de prédiction permettant de discriminer les pixels de peau de ceux de non-peau. En effet la classification de pixels en pixels de peau ou non-peau est devenue un sujet de recherche d’enjeu important dans la mesure où cette classification est indispensable avant d’envisager d’autres analyses et traitements sur les images. Un tel modèle permet un large spectre d’applications telles que la détection et la reconnaissance de visages ou encore le filtrage de sites adultes sur Internet. Notre contribution consiste à proposer une nouvelle méthode pour la détection des régions de peau dans l’image avec comme application principale le filtrage et la classification des images sur le Net. Notre approche trouve son originalité dans le choix des axes de couleurs les plus pertinents, la manière dont ce choix est fixé, de l’utilisation de la distribution spectrale dans le processus d’identification des pixels et de l'utilisation de Data-mining comme une nouvelle philosophie de traitement des données. Notre modèle de peau est essentiellement basé sur l'indice couleur, celui-ci étant la primitive la plus simple à calculer et la plus riche. Pour aboutir à notre objectif nous avons procédé comme suit : Afin de distinguer les axes de couleurs les plus discriminants, nous avons calculé pour chaque pixel de peau et de non-peau sa valeur de couleur selon différents axes provenant des espaces de couleurs différents. Cette phase est suivie d’une phase d’apprentissage où nous avons utilisé plusieurs algorithmes de data mining qui nous ont permis de retenir les axes les plus discriminantes, ainsi que les seuils qui nous permettent de classifier les pixels. Une amélioration est apportée à nos résultats par l’application d’un nouvel indice : la distribution spectrale. Notre hypothèse est que la couleur d’un objet dépend fortement de ses caractéristiques, en particulier la couleur de peau qui présente une bande spectrale de largeur déterminée. Les résultats d’expérimentation ont montré que la distribution spectrale est d’une importance capitale lors de la classification de pixels de peau c’est pourquoi nous avons l’utilisée comme un premier filtre dans notre processus de classification Par la suite nous avons exploité les règles de prédictions obtenues à partir des graphes d'inductions afin d’identifier les régions de couleur de peau dans l'image. Une région de couleur de peau est une région homogène et cohérente selon différents critères. La procédure d’identification de régions consiste à assembler tous les pixels voisins similaires selon deux critères principalement, celui du voisinage et celui de la similarité visuelle. En effet, le processus commence avec un pixel de départ et essaie d'attirer tous les pixels voisins à cette région qui s'agrandit au fur et à mesure : c’est le principe de la croissance de région. Enfin nous avons réalisé deux applications pour lesquelles l’identification des pixels de peau est une étape nécessaire et préalable. La première est la classification d’images en gros plan, plan américain et plan en pied que nous avons réalisée dans le cadre du projet RNTL MUSE (Multimédia Search Engine). Ce projet a été conduit en collaboration avec les universités de Versailles et de Toulon et en association avec une start-up parisienne E-XMLmedia et un utilisateur final de photos l’agence Editing. L’objectif du projet MUSE était la réalisation d’un moteur de recherche multimédia sur le Web. La deuxième application est celle de filtrage de sites adultes sur Internet, ce dernier travail a permis de mettre au point un logiciel permettant un filtrage performant de contenu sur Internet que nous avons nommés WebGuard et qui a fait l’objet d'un transfert de technologie à une société de moteur de recherche. WebGuard est un logiciel innovant basé sur une gestion de contenu visuel et textuel permettant l'analyse et le filtrage de contenu à caractère litigieux sur Internet. L’innovation de la technologie au coeur du logiciel WebGuard provient essentiellement de la combinaison judicieuse des technologies de data-mining et d’analyse d’image.