Cette thèse explore les techniques avancées de traitement des données du radar à synthèse d'ouverture (RSO, ou SAR en anglais) du satellite Sentinel-1 et se concentre sur les questions liées à la précision, à la géométrie et à l'efficacité avec des applications à l'interférométrie (InSAR). La première partie de la thèse étudie le recalage et la modélisation géométrique de Sentinel-1. Tout d'abord, nous comparons différentes approches de deramping pour Sentinel-1 et mettons en évidence les compromis entre efficacité et précision. Ensuite, nous appliquons avec succès un algorithme pour estimer les modèles de caméra RPC à partir de correspondances de points 3D-2D sur les images Sentinel-1 et Wordlview-3. Le dernier chapitre de la première partie propose une méthode pour améliorer la précision de l'assemblage des bursts de Sentinel-1 et du recalage géométrique en tenant compte des corrections fines du modèle de géolocalisation. Il en résulte une série temporelle de mosaïques Sentinel-1 bien alignées et géométriquement cohérentes. La deuxième partie de la thèse évalue la performance des méthodes d'apprentissage profond existantes pour les tâches InSAR telles que le débruitage de phase, l'estimation de la cohérence et le déroulement de phase. La dernière partie présente une application InSAR sur les cuves de stockage de pétrole brut. Nous montrons la corrélation entre la double différence de la phase InSAR sur les réflecteurs fixes voisins des cuves et la double différence du taux de remplissage des cuves. Nos résultats indiquent que les réflecteurs sur le toit d'une cuve s'éloignent du satellite d'environ 1 cm lorsqu'elle se remplit. Notre étude souligne la nécessité d'exigences strictes en matière de précision et de traitement de certaines applications InSAR localisées. En conclusion, ce travail met en évidence les aspects liés à la géométrie et à la précision du traitement de Sentinel-1, qui pourraient bénéficier à la fois aux applications SAR et InSAR à grande échelle et localisées.