L'évaluation de la fonction cardiaque est un enjeu majeur en cardiologie, en particulier dans la prise en charge des patients atteints d'insuffisance cardiaque. Malgré les avancées technologiques, telles que les courbes de strain extraites de l'échocardiographie, cette évaluation reste difficile et incomplète en raison de sa nature multifactorielle. L'objectif est de proposer de nouvelles méthodes permettant une compréhension plus précise et personnalisée de la fonction ventriculaire gauche chez les patients insuffisance cardiaque. Des approches hybrides combinant la modélisation in silico, traitement du signal et apprentissage automatique ont été proposées. Quatre problématiques associées à différents phénotypes d'insuffisance cardiaque sont abordées dans cette thèse : i) Les courbes de strain de 10 sujets sains et 20 patients atteints de bloc de branche gauche ont été analysées à l'aide d'un modèle computationnel. ii) Une caractérisation des profils de réponse à la thérapie de resynchronisation cardiaque a été proposée sur 250 patients éligibles grâce à des approches hybrides. iii) Une estimation non invasive de la pression ventriculaire gauche a été proposée et évaluée sur 67 patients atteints de sténose aortique afin d'obtenir des indices de travail myocardique. iv) Une classification du risque de mort subite chez les patients atteints de cardiomyopathie hypertrophique a été développée à partir de paramètres cliniques, d'imagerie et extrait du strain de 434 patients. Ces approches originales utilisent principalement des mesures non invasives issues de l'échocardiographie et introduisent de nouveaux outils d'intelligence artificielle dans la pratique clinique. Elles visent à être spécifiques à chaque patient afin d'être intégrées dans un processus de médecine personnalisée.