Les concepts de synapse tripartite et d'onde calcique ont motivé nos recherches afin d'explorer la dynamique des astrocytes en tant que composants actifs des circuits cérébraux. Les astrocytes ont été considérés comme des cellules passives dont la fonction principale est le soutien métabolique et structurel des neurones. Cependant, des mesures physiologiques récentes suggèrent que les astrocytes modulent la communication neuronale, renforcent l'efficacité synaptique, favorisent la synchronisation et l'homéostasie. Inspirée par ces fonctions, cette recherche vise à proposer de nouveaux paradigmes de réseaux de neurones artificiels. Il s'agit d'intégrer des astrocytes en tant qu'objets computationnels dans des réseaux de neurones impulsionnels artificiels et à terme utiliser ces réseaux neurones-astrocytes pour des applications en deep learning. D'abord, nous avons modélisé mathématiquement et numériquement l'interaction biologique neurone-astrocyte - de la liaison tripartite aux réseaux neurone-astrocyte. Les résultats suggèrent que la connectivité et l'hétérogénéité des astrocytes déterminent si les astrocytes améliorent ou nuisent aux activités neuronales. Nous avons ensuite conçu une architecture de réseau neurones-astrocytes pour la reconnaissance d'images en utilisant des modéles de neurones bio-inspirés. Nous avons entraîné le réseau à reconnaître les caractéristiques et à classer les chiffres manuscrits en utilisant un algorithme d'apprentissage non supervisé et de la plasticité fonction du temps d'occurrence des impulsions. Nos résultats montrent que les réseaux mixtes neurones-astrocytes présentent des avantages par rapport aux seuls réseaux de neurones, tels qu'un apprentissage plus rapide, une plus grande précision et un compromis biais-variance amélioré. Cependant, le réseau neurones-astrocytes a un coût computationnel élevé en terme de simulation. Ce coût est dû à la complexité des interactions et des dynamiques en jeu. Par conséquent, nous avons proposé une abstraction dendritique supportant des calculs spécifiques au niveau des dendrites pour un apprentissage plus rapide. Nous avons analysé la propagation du signal le long des dendrites et déterminé qu'un seul neurone effectue des calculs complexes, précédemment attribués aux seuls réseaux neuronaux, en suivant un schéma multicouche-multiplexeur. Nous avons proposé que les abstractions dendritiques connectées selon ce schéma puissent favoriser un apprentissage synaptique plus rapide, indépendamment des signaux de rétropropagation du soma. En conclusion, nos travaux de recherche sont parmi les premiers à considérer l'implémentation des astrocytes comme éléments de calcul dans les réseaux de neurones artificiels.