La compréhension des mécanismes impliqués dans les maladies neurodégénératives ou développementales ainsi que la mise en place de nouvelles approches thérapeutiques reposent sur l’utilisation de modèles expérimentaux pertinents et de techniques d’imagerie adaptées. Dans ce contexte, l’IRM est un outil de choix pour l’exploration anatomique in vivo dans la mesure où elle permet d’effectuer un suivi longitudinal. Le succès translationnel des thérapies du laboratoire au patient repose sur une bonne caractérisation des modèles et une continuité des biomarqueurs utilisés. Or, si l'IRM est disponible en préclinique et en clinique, les outils d'analyse sont peu « génériques ». Au cours de cette thèse, en s'inspirant des travaux menés chez l'Homme, nous avons développé et validé des outils automatiques de segmentation des structures neuroanatomiques chez le Macaque. La méthode proposée repose sur la mise en registre avec l'IRM du sujet d'un atlas digital probabiliste suivi de l'optimisation d'un modèle statistique par mélanges de gaussiennes et champs aléatoires de Markov. Elle a été validée chez un ensemble de sujets sains adultes puis mise en application dans le contexte du développement néonatal normal du cerveau. Afin de poser les bases d'une évaluation permettant une comparaison des biomarqueurs IRM avec les biomarqueurs post mortem de référence, nous avons également mis au point une chaîne de traitement permettant la reconstruction 3D de volumes histologiques du cerveau de Macaque et l'avons appliqué à la caractérisation du contraste IRM au cours d'une greffe de cellules souches après lésion excitotoxique.