La sclérose en plaques (SEP) atteint autour de 80.000 personnes en France. L'imagerie par résonance magnétique (IRM) est un outil essentiel pour le diagnostic de la SEP. Plusieurs bio-marqueurs sont obtenus à partir des IRM, comme le volume des lésions, et sont utilisés comme mesure dans des études cliniques en SEP, notamment pour le développement des nouveaux traitements. La segmentation manuelle des lésions est une tâche encombrante et dont les variabilités intra- et inter-expert sont grandes. Nous avons développé une chaîne de traitement automatique pour la segmentation des lesions focales en SEP. La méthode de segmentation est basée sur l'estimation robuste d'un modèle paramétrique des intensités du cerveau qui permet de détecter les lésions comme des données aberrantes. Nous avons aussi proposé deux méthodes pour ajouter de l'information spatiale avec les algorithmes mean shift et graph cut. Nous avons validé quantitativement notre approche en utilisant des images synthétiques et cliniques, provenant de deux centres différents pour évaluer la précision et la robustesse.