Le but de ce projet de thèse était d’étudier les structures turbulentes cohérentes (rouleaux de convection et traînées) et plus généralement les fluctuations de taille moyenne à grande dans la couche limite atmosphérique en utilisant les observations recueillies par un unique lidar Doppler (lidar vent) pendant une campagne de deux mois à Paris (France). Une méthode innovante a été développée pour classer de façon automatisée les motifs visibles sur les balayages quasi-horizontaux du lidar, basée sur des paramètres de texture et des algorithmes d’apprentissage supervisé. Un ensemble d’entrainement de 150 cas a été construit en utilisant des informations auxiliaires (images satellite, observations météorologiques) pour vérifier la classification établie manuellement entre quatre types : rouleaux, thermiques, trainées et « autres ». La performance du processus de classification a été évaluée par la méthode de validation croisée à 10 blocs. Une erreur très satisfaisante de 9% a été obtenue avec un algorithme d’analyse discriminante quadratique et en utilisant seulement 5 paramètres de texture comme classificateurs. Ce processus a ensuite été appliqué à l’ensemble des données (4577 balayages lidar). Dans la classification obtenue, les type de structures suivent un cycle diurne plausible et sont associées avec les paramètres météorologiques d’une façon logique au regard des considérations théoriques. La taille des structures cohérentes dans la direction perpendiculaire au vent dominant a été estimée en utilisant les spectres du vent pour un cas d’étude de quatre jours. Elle allait de 400 à 800 m pour les cas classés comme traînées, et de 1,3 à 2,0 km pour cas classés comme rouleaux. Ces résultats ouvrent la voie à de futures études de long terme qui fourniront une vision statistique de la fréquence d’occurrence des différents types de structures, de leurs propriétés et de leur impact sur les concentrations de polluants.