L’identification des fractures perméables dans le sous-sol est essentielle pour déterminer les voies potentielles du transport des contaminants provenant des sites d’enfouissement en profondeur. Une approche commune consiste à développer des modèles de réseaux de fractures discrètes (« Discrete Fracture Networks » - DFN) à partir de la cartographie de terrain (forages et affleurements) et d’expériences hydrauliques. Le travail réalisé dans cette thèse tente de conditionner les modèles DFN à des données géophysiques de radar à pénétration de sol (« Ground Penetrating Radar » - GPR). À cette fin, deux expériences de GPR de surface ont été menées dans un tunnel situé à 410 m de profondeur dans le laboratoire souterrain « Äspö Hard Rock Laboratory » (Suède). La première expérience avait pour but d’identifier les fractures de faible transmissivité (≈ 10-9 – 10-10 m²/s) et la deuxième, effectuée en parallèle d’un essai de traçage entre deux forages, a tenté de mettre en évidence les chemins d’écoulement associés à ces fractures. Les résultats de ces expériences nous permettent de démontrer que la méthode de surface GPR est capable de détecter environ 80% des fractures ouvertes, subhorizontales et dont la superficie est de 1 à 10 m², mais aussi de détecter les chemins d’écoulement qu’emprunte le traceur, suite aux variations d’ouverture des fractures induites par une forte pression d’injection. Les informations sur la géométrie des fractures et sur leur connectivité, acquises lors de ces expériences, ont ensuite été utilisées pour conditionner les modèles DFN stochastiques. Nous avons établi des critères de validation de nos modèles, basés sur la connectivité mesurée sur le terrain, et nous montrons que le conditionnement permet de valider jusqu'à 40% de réalisations supplémentaires aux modèles stochastiques. Deux principales conclusions ont abouti grâce à cette étude : premièrement avons démontré la capacité de la méthode GPR à identifier les fractures ouvertes, dans des formations très peu perméables et ciblées pour le stockage des barils de déchets nucléaires ; deuxièmement nous avons fourni les premiers résultats du conditionnement des DFN stochastiques aux données géophysiques, en améliorant leur capacité de prédiction sur des échelles allant de quelques mètres à une dizaine de mètres.