La détection de changement constitue un domaine essentiel en télédétection, notamment pour le suivi environnemental, la gestion des risques et la surveillance du territoire. Dans cette thèse, l’objectif est de développer une méthode non supervisée de détection de changement appliquée aux données SAR polarimétriques. Nous commençons par une étude approfondie des méthodes existantes, qu’elles soient supervisées ou non supervisées. Ensuite, nous proposons une nouvelle approche non supervisée qui ne nécessite ni information a priori sur la vérité terrain ni connaissance préalable du nombre de classes. Notre méthode intègre le processus de Dirichlet afin d’estimer automatiquement le nombre de classes. Nous construisons ainsi une approche complète basée sur le modèle EM-DPMM-MRF. L’algorithme EM permet d’estimer les paramètres du modèle et de mettre à jour les classes de manière itérative, tandis que les champs de Markov (MRF) sont utilisés pour intégrer l’information spatiale dans le processus de segmentation. Enfin, la détection de changement est réalisée à partir de la comparaison de deux images classifiées de la même zone d’étude, conduisant à la génération d’une carte binaire de changement.