Cette th se explore deux axes de recherche pour l'analyse non-supervis e d'Images HyperSpectrales (HSIs). Sous l'hypoth se du mod le de m lange lin aire de spectres, nous abordons d'abord la probl matique du d mixage par Factorisation en Matrices Non-n gatives (NMF). D'une part, nous proposons de r gulariser le probl me en int grant de l'information a priori spectrale et spatiale judicieuse, sp cifique aux HSIs. D'autre part, nous proposons un estimateur du pas optimal pour la descente de gradient projet . Nous montrons ainsi que, correctement r gularis e, la NMF est un outil pertinent pour le d mixage d'HSIs. Puis, nous explorons la probl matique de la d tection d'anomalies. Nous proposons un algorithme de Poursuite de Composantes Anormales (PCA), bas simultan ment sur la poursuite de projections et sur un mod le probabiliste avec test d'hypoth ses statistiques. Ainsi, la PCA d tecte les anomalies taux de fausse alarme constant et les discrimine en classes spectralement homog nes.