Les systèmes de microscopie optique sont des outils complexes, indispensables à la compréhension du vivant par la recherche fondamentale et appliquée en biologie, dont l'automatisation est un champ d'étude en plein essor. Nous présentons dans cette thèse la conception d'un prototype de système embarqué analysant des images de microscopie en temps-réel et réalisant une boucle de rétroaction avec un microscope. Sa confrontation avec des applications biologiques théoriques nous a permis d'obtenir un modèle théorique générique et modulaire, dont nous avons entamé le test en conditions réelles. Il permet de modifier des modalités d'acquisition d'images d'un microscope en fonction des images analysées à la volée. De plus, il effectue un tri de ces images en ne retournant que celles représentant des objets d'intérêt pour les biologistes. L’analyse des images en temps-réel, nécessitant des classifications précises et rapides. Nous proposons une méthode d'optimisation d'un outil générique de classification d'images, dont nous identifions les caractéristiques pertinentes avec un faible temps d’extraction. Nous avons mis en évidence une redondance des caractéristiques qui permet d’exclure les plus longues à calculer même si ce sont les plus discriminantes. Ainsi, une dizaine de caractéristiques permet de classer 14 cellules par seconde avec une précision supérieure à 80 % avec une Random Forest ou un réseau de neurones. Ces travaux ouvrent des perspectives d’optimisation des systèmes de classification en apprentissage automatique, y compris profond. En conclusion, nous avons mis en place les bases d’un microscope intelligent et autonome, ouvrant la voie à une nouvelle génération de microscopie, contribuant à l’émergence d’une médecine de précision.