L'obésité est associée à une augmentation de la morbidité et de la mortalité liée à de nombreuses maladies, y compris le diabète de type 2, l'hypertension et des pathologies hépatiques menant à une surcharge lipidique d’origine non alcoolique. Récemment, l’imagerie par résonance magnétique (IRM) est devenue la méthode de choix pour la quantification non invasive de la graisse. Dans cette thèse, les méthodes d'IRM ont été étudiées sur un scanner préclinique de 4.7T in vitro (fantômes MR) et in vivo (souris). Deux algorithmes de quantifications de la graisse -la méthode de Dixon et l’algorithme IDEAL- ont été considérés. Les performances de l'algorithme IDEAL ont été analysées en fonction de propriétés des tissus (T2*, fraction de graisse et modèle spectral de la graisse), de paramètres d'acquisition IRM (temps d’écho, nombre d'échos) et de paramètres expérimentaux (SNR et carte de champ). Sur les fantômes, l'approche standard single-T2* IDEAL a montré certaines limites qui pourraient être surmontées en optimisant le nombre d'échos. Une nouvelle méthode, pour déterminer les valeurs de vérité terrain pour T2* de l'eau et pour T2* de la graisse, a été proposée. Pour les mesures in vivo, différentes analyses ont été effectuées en utilisant l'algorithme IDEAL sur le foie et les muscles. L'analyse statistique sur les mesures de ROI a montré que le choix optimal du nombre d'échos est égal à trois pour la quantification de la graisse et six ou plus pour la quantification du T2*. Les valeurs de la fraction de graisse, calculées avec l'algorithme IDEAL, étaient statistiquement comparables aux valeurs obtenues avec la méthode de Dixon. Enfin, un procédé pour générer des signaux de référence mimant les systèmes eau-graisse (Fat Virtual Phantom MRI), sans l'aide d'objets physiques, a été proposé. Ces fantômes virtuels, qui présentent des caractéristiques de bruit réalistes, représentent une alternative intéressante aux fantômes physiques pour fournir un signal de référence dans les mesures IRM.