En viticulture comme dans de nombreux domaines, l’adoption de méthodes modernes est une étape essentielle dans l’optique de garantir la conformité aux normes de qualités. La télédétection, permettant de cartographier, analyser et traiter les vignobles est aujourd’hui une solution moderne pour gérer efficacement les parcelles de vignes. De plus, l’utilisation de capteurs multi-spectraux, notamment infrarouge et proche infrarouge, fournit des indicateurs clés dans l’aide au diagnostique d’une parcelle, notamment par la génération de carte d’indice de végétation par différence normalisée (NDVI). Enfin, les méthodes de reconstruction 3D offrent un réel apport pour le diagnostique d’un champ de vignes, puisqu’elles permettent d’effectuer des mesures précises directement depuis le modèle. Tandis que plusieurs solutions exploitent les différentes forces de ces méthodes, elles se contentent de traiter ces indicateurs séparément. Ainsi, il est possible d’obtenir une carte 3D à partir de capteurs spécifiques, l’on peut générer une carte NDVI 2D grâce aux images infrarouges et des images aériennes sont régulièrement prises à partir de drone ou de satellite pour analyser l’évolution d’un vignoble. L’objectif de cette thèse est de montrer qu’il est possible de combiner ces indicateurs afin de fournir une carte NDVI 3D d’une parcelle à partir d’images aériennes prises par un drone équipé d’une paire de capteurs. Nous proposons dans la première partie de ce manuscrit le contexte dans lequel se place notre étude. Nous introduisons la notion de viticulture de précision, et établissons un état de l’art des différentes méthodes de télédétection appliquées à l’étude de l’état phytosanitaire de la vigne. Nous nous intéressons dans une deuxième partie aux modèles 3D reconstruits par stéréo vision, et proposons différentes méthodes pour améliorer la qualité du nuage de points généré. Nous nous attarderons dans une troisième partie aux méthodes de reconstruction 3D à partir d’un système ne comportant qu’une seule caméra. Nous présentons dans cette partie une méthode pour optimiser le nombre d’images traitées pour alléger les solutions sur système embarqué ; ainsi qu’un modèle de réseau neuronal convolutif permettant de générer un modèle 3D à partir d’une seule image. Enfin, nous mettons en avant dans une dernière partie l’utilisation d’un système stéréo mobile multi-spectral. Nous mettons à disposition un jeu de données public aidant au développement de futures méthodes et détaillons le développement d’un prototype drone stéréo multi-spectral. Nous montrons enfin comment utiliser les images obtenues par ce prototype pour construire une carte NDVI 3D et démontrons ses avantages par rapport aux cartes 2D qui sont utilisées aujourd’hui.