Aucune méthode universelle de détection des contrefaçons d’images n’existe. Plusieurs techniques ont été proposées mais chacune a ses limites. Parmi ces méthodes, les techniques dites "forensiques des images numériques" offrent une solution intéressante. Elles visent soit à vérifier l’intégrité de l’image, soit à apporter la preuve de son authenticité en identifiant le système qui l’a acquise. Pour ce faire, elles tirent avantage de la manière dont les systèmes d’acquisition génèrent leur sortie. Dans cette thèse, nous nous intéressons en particulier aux scanners à plat comme système d’acquisition et nous proposons d’étudier et de développer des techniques de forensiques pour des documents multi-type scannés. Nous avons, tout d’abord, proposé des techniques permettant d’identifier le scanner à l’origine d’un document scanné sur la base d’un ensemble de signatures extraites "manuellement" des images. Ensuite, pour faire face aux limites de ces approches, nous nous somme focalisé sur l’extraction automatique des signatures des scanners à travers des réseaux de neurones 1D et 2D. Par la suite, nous avons développé une nouvelle approche, appelée "Device Linking", qui détermine si deux images ont été acquises par le même scanner ou non. Enfin, nous fournissons deux mécanismes de sécurité capable de détecter les manipulations du contenu des données numérisées en se basant sur certaines approches d’identification du scanner source proposées précédemment. Dans le but de valider les solutions proposées dans des situations réelles et réaliser des comparaisons entre elles, nous avons construit une base de données de documents scannés que nous avons rendue publique.