Le cerveau humain est un réseau très complexe. Le fonctionnement cérébral ne résulte donc pas de l'activation de régions cérébrales isolées mais au contraire met en jeu des réseaux distribués dans le cerveau (Bassett and Sporns, 2017; McIntosh, 2000). Par conséquent, l'analyse de la connectivité cérébrale à partir des données de neuroimagerie occupe aujourd'hui une place centrale dans la compréhension des fonctions cognitives (Sporns, 2010). Grâce à son excellente résolution spatiale, l'IRMf est devenue l'une des méthodes non invasives les plus couramment utilisées pour étudier cette connectivité. Cependant, l'IRMf a une faible résolution temporelle ce qui rend très difficile le suivi de la dynamique des réseaux cérébraux. Un défi considérable en neuroscience cognitive est donc l'identification et le suivi des réseaux cérébraux sur des durées courtes (Hutchison et al., 2013), généralement <1s pour une tâche de dénomination d'images, par exemple. Jusqu'à présent, peu d'études ont abordé cette question qui nécessite l'utilisation de techniques ayant une résolution temporelle très élevée (de l'ordre de la ms), ce qui est le cas pour la magnéto- ou l'électro-encéphalographie (MEG ou EEG). Cependant, l'interprétation des mesures de connectivité à partir d'enregistrements effectués au niveau des électrodes (scalp) n'est pas simple, car ces enregistrements ont une faible résolution spatiale et leur précision est altérée par les effets de conduction par le volume (Schoffelen and Gross, 2009). Ainsi, au cours des dernières années, l'analyse de la connectivité fonctionnelle au niveau des sources corticales reconstruites à partir des signaux du scalp a fait l'objet d'un intérêt croissant. L'avantage de cette méthode est d'améliorer la résolution spatiale, tout en conservant l'excellente résolution temporelle de l'EEG ou de la MEG (Hassan et al., 2014; Hassan and Wendling, 2018; Schoffelen and Gross, 2009). Cependant, l'aspect dynamique n'a pas été suffisamment exploité par cette méthode. Le premier objectif de cette thèse est de montrer comment l'approche « EEG connectivité source » permet de suivre la dynamique spatio-temporelle des réseaux cérébraux impliqués soit dans une tache cognitive, soit à l'état de repos. Par ailleurs, les études récentes ont montré que les désordres neurologiques sont le plus souvent associés à des anomalies dans la connectivité cérébrale qui entraînent des altérations dans des réseaux cérébraux «large-échelle» impliquant des régions distantes (Fornito and Bullmore, 2014). C'est particulièrement le cas pour l'épilepsie et les maladies neurodégénératives (Alzheimer, Parkinson) qui constituent, selon l'OMS, un enjeu majeur de santé publique. Dans ce contexte, la demande clinique est très forte pour de nouvelles méthodes capables d'identifier des réseaux pathologiques, méthodes simples à mettre en œuvre et surtout non invasives. Ceci est le deuxième objectif de cette thèse.