De plus en plus de satellites d'observation sont mis en orbite autour de la terre et fournissent des images, à très haute résolution dans différentes bandes spectrales. La quantité d'informations disponibles est devenue trop importante pour qu'une équipe actuelle de photo-interprètes expérimentés puissent la traiter entièrement. Pour cette raison, il faut développer des systèmes (semi)automatiques d'analyse de scènes, pour assister les photo-interprètes. Des problèmes aussi complexes que la reconnaissance automatique de la parole ou l'interprétation automatique d'images, ne peuvent pas être résolus par une approche procédurale. Ils nécessitent un système plus complexe, qui prend en compte la connaissance a priori. L'architecture du système d'analyse de scènes, présente dans cette thèse, a été appliquée à l'analyse d'aéroports, avec comme objets d'intérêt les pistes d'atterrissage, les hangars pour avion, ainsi que les routes qui relient les premières aux seconds. Dans cette thèse, nous décrivons tout d'abord la connaissance qui doit être intégrée dans un système d'analyse de scènes afin de régulariser le problème mal-posé de la vision par ordinateur. Cette analyse de la connaissance a priori est suivie par une description du système à tableau noir, qui est utilisé pour représenter et intégrer les différents types de connaissance, la façon dont la fusion de données multiniveaux est utilisée pour réduire la probabilité de fausse alarme, ne se déduit pas directement de l'architecture du système. C'est pourquoi nous analysons les trois niveaux de fusion séparément plus en détail.