Le suivi multi-objets a de nombreuses applications en traitement des séquences d'images. Le principe est d'être capable, à partir d'un ensemble d'observations (ou images) disponibles fournissant des mesures (couleurs, contours, etc. ) sur une scène dynamique, de suivre l'ensemble des objets qui y sont en mouvement. Le travail de cette thèse cherche à résoudre ce problème dans le cadre probabiliste du filtrage particulaire : on cherche à estimer les états (cachés) des objets à partir d'observations incomplètes, bruitées, et parfois manquantes, de la scène. Nous proposons un nouvel algorithme d'association mesures-objets, défini selon des contraintes géométriques, qui, intégré dans un filtre particulaire, permet de suivre un nombre connu a priori d'objets ayant des mouvements complexes et pouvant évoluer proches les uns des autres. Nous proposons aussi une approche fréquentielle pour prendre en compte la déformation des objets au cours du temps. Enfin un algorithme de détection de zones de mouvement nous permet de détecter de nouveaux objets dans la scène. Un ensemble de tests comparatifs avec d'autres algorithmes dédiés au problème de suivi par filtrage particulaire a montré que notre approche est robuste et donne de bonnes performances.