En tant que système complexe, le cerveau traite de manière flexible les informations grâce à une reconfiguration dynamique des réseaux neuronaux sur une échelle de temps de l’ordre de la milliseconde. Un objectif majeur en neurosciences est de décrire l'organisation spatio-temporelle du cerveau comme une série d'«états de connectivité fonctionnelle » transitoires à travers une analyse dynamique des réseaux. Ce domaine prend de l'ampleur car il permet non seulement d'aborder les processus cognitifs, mais aussi d’apporter des informations importantes sur les altérations fonctionnelles des principaux motifs de connectivité dans le cadre des pathologies neurologiques. Dans ce contexte, deux enjeux principaux ont été identifiés : (1) A quel point les techniques de neuroimagerie non-invasives à haute résolution temporelle, tel que l'électro/magnétoencéphalographie (EEG/MEG), peuvent-elles suivre l’évolution temporelle rapide des états cérébraux essentiels durant l'exécution d’une tâche? (2) Comment les maladies neurologiques peuvent-elles affecter, spatialement et temporellement, les états dynamiques des réseaux cérébraux? Par conséquent, pour tenter de relever ces deux défis, les deux objectifs de ma thèse sont les suivants : 1. Estimer les états dynamiques des réseaux cérébraux à l’aide des techniques EEG/MEG. Le premier objectif consiste à explorer la méthodologie appropriée qui permet d'extraire des motifs de connectivité pertinents relatifs à l'activité neuronale lors de l'exécution d’une tâche. Tout d'abord, trois ensembles indépendants de données MEG chez des sujets sains ont été utilisés pendant des tâches motrice et de mnésique exécutées sur des échelles de temps variables. Nous avons utilisé la méthode de « EEG/MEG source connectivity » suivie d'une estimation dynamique des réseaux fonctionnels afin d’estimer la connectivité fonctionnelle dynamique au niveau cortical. Ensuite, plusieurs techniques de décomposition basées sur les données ont été appliquées pour réduire la dimension des réseaux dynamiques, et ceci en dérivant les principaux états cérébraux avec leur activation temporelle. La performance relative de ces techniques a été évaluée et comparée au niveau du groupe et au niveau individuel. Dans un second temps, une démarche similaire à la précédente a été testée sur des EEG virtuels produits par un modèle computationnel de cerveau humain dans lequel une tâche cognitive de dénomination d’images a été simulée en respectant une échelle de temps très rapide, afin d’évaluer quantitativement les méthodes de décomposition ainsi que certains facteurs clés utilisés. Principalement, les résultats qualitatifs et quantitatifs montrent les effets prometteurs des méthodes testées avec néanmoins une certaine variabilité en termes de précision spatiale et temporelle, liée à la complexité du scénario et à l'échelle temporelle. Cette étude basée sur une vérité terrain indique que le choix des méthodes peut influencer l'interprétation des résultats. 2. Détecter les anomalies de connectivité fonctionnelle au sein des réseaux cognitifs dans la maladie Parkinson. L'objectif principal de ce travail était d'identifier les principales altérations dans les états dynamiques des réseaux cérébraux cognitifs chez les patients Parkinsoniens. Pour cette étude, des données EEG de haute résolution (HD-EEG, 256 éléctrodes) ont été enregistrées à partir de 31 sujets (21 patients, 10 sujets sains) au cours de la tâche de conflit cognitif nommée Simon-Task. Une variante de l'analyse des composantes indépendantes a été utilisée pour dériver des composantes statistiquement indépendantes dans les deux groupes. Les résultats démontrent l’existence de différences spatiotemporelles dans les états dynamiques des réseaux cérébraux entre les sujets sains et les patients.