La radiothérapie externe vise à administrer des doses élevées de rayonnements ionisants de manière ciblée aux tissus tumoraux, tout en épargnant au maximum les tissus sains environnants. Le workflow conventionnel repose sur l'imagerie scanner (CT), dont le faible contraste des tissus mous entraîne des incertitudes dans la délimitation des volumes cibles. L’IRM, grâce à sa meilleure résolution des tissus mous, constitue une alternative prometteuse. Toutefois, l’IRM ne fournit ni les informations sur la densité électroniques, élément indipensable au calcul de dose. Cette thèse développe des méthodes avancées de traitement d’image pour améliorer la radiothérapie adaptative guidée par IRM, en particulier via la génération d’images CT synthétiques (sCT) à partir d’IRM. Pour améliorer la généralisation des modèles, la synthèse s’appuie sur des paires IRM/CT provenant de plusieurs centres. Un recalage non rigide innovant, utilisant une sCT intermédiaire, a également été conçu pour améliorer l’alignement entre IRM et CT. L’ensemble repose sur un réseau de neurones non supervisé. Par ailleurs, l’optimisation du workflow en IRM-linac permet une adaptation du traitement en temps réel grâce à l’acquisition quotidienne d’IRM. Cela permet l’estimation dynamique et le cumul des doses délivrées, guidant les décisions cliniques. En somme, cette recherche contribue à renforcer la précision et la fiabilité de la radiothérapie adaptative guidée par IRM, dans le but d’améliorer les résultats cliniques pour les patients.