Cette thèse, co-financée par l’ADEME, se place dans le cadre d’une collaboration entre le LIRIS et le Centre Léon Bérard autour de l’étude épidémiologique TESTIS. L’étude TESTIS vise à estimer l’impact des pesticides sur le développement de la tumeur germinale du cancer du testicule. Cette maladie ayant un temps de développement long, il est nécessaire d’avoir accès à des informations remontant jusqu’à la naissance des sujets considérés. Dans le cas de TESTIS, les sujets les plus âgés sont nés au début des années 1970. Afin de tenir compte des expositions résidentielles individuelles aux pesticides propagés par les vents, le Centre Léon Bérard a mis au point une métrique se basant sur l’occupation du sol autour des habitations. Malheureusement, aucune base de données d’occupation du sol avant 1990 n’est actuellement suffisamment précise pour être utilisée. Afin d’obtenir ces informations, les géomaticiens du Centre Léon Bérard sont chargés de photo-interpréter des images aériennes historiques en niveaux de gris. Ce processus manuel étant particulièrement long et fastidieux, l’utilisation de méthodes automatiques ou semi-automatiques a été suggérée. L’objectif de cette thèse est de développer des algorithmes pour aider les géomaticiens à obtenir des cartes d’occupation du sol en un temps raisonnable. Pour cela, nous nous sommes intéressés à l’utilisation de méthodes de classification de textures que nous avons intégrées au sein d’un logiciel d’aide à l’annotation. Celui-ci est actuellement utilisé dans le cadre de l’étude TESTIS. Nous nous sommes ensuite intéressés à la colorisation automatique et non-supervisée des images aériennes historiques afin de proposer une visualisation alternative aux géomaticiens. Ces travaux nous ont également menés à étudier l’intérêt des couleurs générées artificiellement pour la classification des données historiques. Enfin, nous avons cherché à améliorer les cartes d’occupation du sol générées par notre logiciel au travers de méthodes de post-traitement, ouvrant la voie au développement de chaines de traitements plus performantes.