Au cours des dernières décennies, les ouvrages d'art comme les ponts, bâtiments et éoliennes ont été équipées de capteurs pour surveiller leur état. L'analyse modale opérationnelle (OMA) utilise des données passives sans contrôle de la sollicitation mécanique, générée naturellement par l'environnement. Cependant, les capteurs traditionnels sont difficiles à installer et à entretenir, d'où l'intérêt croissant pour les techniques basées sur les caméras vidéo. Cette thèse développe des méthodes OMA robustes et efficaces basées sur la vision, incluant des algorithmes d'extraction de mouvement résistants aux variations environnementales et un traitement efficace des signaux pour l'analyse en temps réel. Les contributions principales incluent une méthode d'extraction de mouvement, l'interpolation adaptative de l'intensité lumineuse pour l'estimation du déplacement sous-pixelique, et un schéma de réduction des données basé sur la PCA associée à l'identification sous-espace stochastique pour l'analyse modale efficace. Des simulations numériques et des expériences en laboratoire démontrent l'efficacité de ces nouvelles méthodes.