Le mémoire présenté traite de la segmentation d'images par détection de contours par la coopération de la transformée en ondelettes et des réseaux de neurones. Le chapitre i introduit les différentes méthodes de segmentation d'images en insistant sur la détection de contours. La transformée en ondelettes présentée dans le chapitre II effectue une analyse multirésolution et permet d'exprimer les contours comme les informations perdues lors d'une approximation du signal sur des facteurs de résolutions dyadiques. Dans le chapitre III, nous proposons une nouvelle méthode de détection de contours effectuée à partir de combinaisons multirésolution pondérées par une estimation locale du bruit. Le résultat est généralement peu sensible au bruit, mais certaines informations telles que les contours en forme de toit sont supprimées. Le chapitre IV détaille les différentes bases d'ondelettes construites sur des filtres de type gradient ou laplacien. Les limites imposées par la transformée en ondelettes induisent l'utilisation d'une version bi-orthogonale qui autorise l'utilisation de filtres optimaux au sens de Canny. La difficulté à déterminer une méthode analytique de recombinaison multirésolution nous conduit dans le chapitre V à soumettre cette tache à un réseau de neurones. Le réseau identifie les liens existant entre les contours réels et leur contribution dans les différentes résolutions de l'image, en fonction d'une référence déterminée par expert. Pour des applications exigeant une grande vitesse de calcul, son intégration avec la transformée en ondelettes (algorithme temps réel) est envisagée