L’objectif de cette thèse est de développer des méthodes d’apprentissage profond pour l’analyse d’œuvres d’art. Plus précisément, nous nous concentrons sur trois tâches particulières : la recherche de motifs invariants de style, la découverte de motifs quasi-dupliqués et l’alignement dense d’images. Toutes les tâches sont très difficiles du point de vue de la vision par ordinateur, les principales difficultés incluent : i) aucune annotation n’est disponible, de sorte que l’approche que nous développons doit être non-supervisée; ii) il existe des différences dans les supports artistiques (huile, pastel, dessin, etc.) des différentes représentations que nous voulons analyser, nous sommes donc confrontés à des problèmes inter-domaines. Notre première tâche, style-invariant patterns retrieval vise à trouver des motifs pertinents dans une collection d’œuvres d’art similaires à un motif de requête donné. Les motifs récupérés doivent représenter le même contenu mais peuvent avoir des styles différents. La tâche est motivée par plusieurs applications de recherche d’images dans des images d’art et des documents historiques. Au-delà des images patrimoniales, la recherche d’images est largement utilisée par exemple dans les outils de recherche d’images tels que Google Image Search. Notre deuxième tâche, découverte de motifs quasi-dupliqués vise à identifier des motifs visuels répétés dans une collection d’œuvres d’art. La tâche est motivée par la recherche de correspondances visuelles entre les œuvres d’art, qui pourraient indiquer la paternité et la provenance. Au-delà de l’histoire de l’art, la découverte de motifs similaires peut être utilisée pour découvrir des objets communs dans une collection d’images naturelles, ce qui peut être utile, par exemple, pour faciliter le processus d’annotation des données. Notre troisième tâche, alignement dense d’images vise à prédire l’alignement au niveau des pixels entre les images. Notre objectif est de comparer deux tableaux ou des détails d’œuvres d’art représentant le même contenu mais avec des styles différents. Sur les images naturelles, le flux optique est également bénéfique pour l’estimation de la géométrie à deux vues et la reconstruction 3D. Cette thèse comprend trois contributions techniques. Notre première contribution est une approche auto-supervisée pour adapter un descriptor standard de réseau de neurones pour la correspondance entre domaines en fine-tuning sur la collection d’art spécifique. Plus précisément, nous utilisons la cohérence spatiale entre les correspondances de caractéristiques voisines comme super- vision. Le descriptor de réseau de neurones adapté conduit à une correspondance in- variante de style plus précise. Nous utilisons de la correspondance de multi-résolution et de la vérification géométrique pour identifier des modèles presque dupliqués dans l’ensemble de données. Parallèlement à l’approche, nous proposons également un en- semble de données que nous appelons Brueghel (Shen et al., 2019; bru) qui permet d’évaluer la détection des détails de l’art inter-domaines. Notre deuxième contribution est l’apprentissage de la co-segmentation pour une paire d’images sur un jeu de données synthétique. Nous générons des paires d’entraînement en mélangeant des objets dans une image d’arrière-plan et en appliquant un transfert de style à la composition résultante. En conséquence, nous avons accès aux masques de vérité terrain des objets mélangés et aux correspondances entre l’image originale et l’image synthétisée. Nous comparons empiriquement les performances obtenues avec deux réseaux : Sparse Nc-Net (Rocco et al., 2020) et une architecture à base de transformer (Vaswani et al., 2017), et montrons que l’utilisation de Poisson Blending (Pérez et al., 2003) et de transfert de style est cruciale pour la généralisation. En termes de résultats, le transformer entraîné améliore les performances de détection et de découverte des détails d’art presque dupliqués. De plus, nous montrons que notre approche fonctionne bien sur la reconnaissance de lieux et la découverte d’objets dans les images naturelles. Notre dernière contribution est une méthode en deux étapes pour l’alignement d’images génériques. Au stade grossier, nous estimons les transformations d’homographie entre une paire d’images en utilisant des correspondances de descriptors standard de réseaux de neurones et RANSAC ; au stade avancé, nous concevons et apprenons un réseau de neurones convolutifs (CNN) pour prédire l’alignement au niveau des pixels à l’aide d’une perte de reconstruction. L’approche proposée est simple et per- met d’aligner des motifs artistiques presque dupliqués. Sur les images naturelles, l’approche proposée montre des performances compétitives ou meilleures sur différentes tâches : estimation de flux optique, évaluation de correspondances creuses, estimation de géométrie à deux vues, reconstruction 3D et alignement d’images Internet.