L’analyse des grands volumes de données générés par la surveillance par acoustique passive long-terme et continue des baleines bleues (BW) est améliorée par la détection automatisée des signaux d’intérêt. Le travail présenté dans cette thèse s’attaque au problème de la détection et classification de signaux stéréotypés dans un contexte passif basse fréquence où les signaux sont modifiés par le canal de propagation, bruités et où le SNR varie continuellement. Les méthodes développées sont appliquées à des enregistrements issus d’OBS déployés dans l'océan Indien occidental.Premièrement, le filtrage adapté stochastique (SMF) est étendu au contexte passif en adaptant l’estimation du bruit et du SNR. Ce filtre est appliqué avec succès pour la détection des calls de baleine bleue antarctique et est comparé aux MF et Z-detector sur données annotées présentant de nombreux bruits et d’importantes variations du SNR. Les excellentes performances du SMF passif permettent d’augmenter la portée de détection jusqu'à 100 km en présence de bruit de bateau.La détection simultanée de différentes espèces s’appuie sur un schéma de reconnaissance de formes où les signaux tonaux de BW sont extraits, caractérisés et classifiés pour la transcription automatique des chants.Les signaux ainsi identifiés sont ensuite reconstruits avec des formes d'onde distinctes reproduisant les chants sous-jacents. Le succès de la reconstruction repose sur la qualité de la détection de tonales: le détecteur de crêtes est choisi pour son efficacité. Les résultats d'apprentissage et la première application non supervisée de la transcription ont révélé des résultats prometteurs et son utilité pour l’analyse multi-espèces.