La Fibrillation Atriale (FA) est une maladie cardiaque complexe aux proportions épidémiques. Elle se caractérise par une activation électrique chaotique et créé un environnement hémodynamique propice à la formation de caillots et à l'augmentation du risque d'accidents vasculaires cérébraux (AVC) ischémiques. Bien qu'il existe des traitements et interventions préventives visant à réduire l'incidence d'AVC, ils impliquent une augmentation du risque d'autres complications médicales ou consistent en des procédures invasives. C'est pourquoi les tentatives de stratification du risque d'AVC dans la FA sont d'une importance cruciale pour la prise de décision clinique. Malgré cela, les scores de risque actuellement utilisés ne reposent que sur des informations élémentaires du patient et sont peu performants. Aucun marqueur connu ne reflète le processus mécanique de l'AVC, tandis que de plus en plus de données sont collectées de façon routinière sans être utilisées. Bien que de nombreuses études cliniques suggèrent que l'Atrium Gauche (AG) joue un rôle important dans l’occurrence d'AVC, celles-ci ce basent sur des mesures subjectives pour le vérifier. En contraste, nous souhaitons exploiter l'avancée des méthodes de stratification d'imagerie médicale pour valider cette intuition.Pour cela, nous traduisons le lien existant entre l'anatomie de l'AG et le risque d'AVC en un problème géométrique, nous permettant ainsi de bénéficier d'un riche historique de ressources théoriques et appliquées sur l'analyse de formes. Nous passons en revue les nombreuses facettes de l'analyse de formes, et réalisons que, bien que puissantes, les méthodes existantes manquent d'interprétations cliniquement significatives. Nous nous basons néanmoins sur ces outils généraux pour construire une représentation compacte spécifique à l'AG qui permet une meilleure interprétation des résultats. Cette première tentative nous permet d'identifier les éléments clés d'une solution réaliste à l'étude de l'AG. Parmi eux, tout outil que nous construirons devra être suffisamment rapide et robuste pour être adaptés a de potentiels large études prospectives. Puisque l'étape cynétiquement déterminante du processus réside dans la segmentation sémantique des parties anatomiques de l'AG, nous nous concentrons sur l'utilisation de réseaux de neurones spécifiquement conçus pour les surfaces afin d'accélérer ce problème. En particulier, nous montrons que passer la courbure principale des formes en entrée des réseaux de neurones est un meilleur choix que ce qui est actuellement utilisé, quelle que soit l'architecture. Au fur et à mesure de l'amélioration itérative de notre pipeline, nous approfondissons l'utilisation de la segmentation sémantique et de la représentation compacte en proposant un ensemble de caractéristiques géométriques expressives décrivant l'AG -- parfaitement alignées avec les attentes des cliniciens tout en offrant la possibilité d'une analyse quantitative robuste. Nous utilisons ces caractéristiques locales et mettons en lumière les relations complexes entre la forme de l'AG et l'incidence d'AVC, en effectuant une analyse statistique ainsi qu'une classification à l'aide de méthodes basées sur les arbres de décision. Les résultats fournissent des informations précieuses pour la prédiction d'AVC : une liste de caractéristiques de forme directement liées aux patients victimes; des caractéristiques qui expliquent d'importants indicateurs de troubles hémodynamiques; et une meilleure compréhension de l'impact du remodelage de l'AG lié à l'état de la FA. Enfin, nous discutons d'autres utilisations possibles des outils développés dans ce travail, de l'étude de cohortes plus importantes à l'intégration dans des analyses multimodales, en passant par une potentielle analyse de sensibilité précise de simulation hémodynamiques, une étape précieuse pour une compréhension exhaustive du processus mécanique de l'AVC.