Une réfraction troposphérique anormale peut entraîner une perte de performances des systèmes radar par rapport à la normale. L’objectif principal de cette thèse est de développer une technique d’inversion de la réfractivité pour prédire les anomalies de la couverture du radar avec précision et en temps réel. Dans cette étude, la réfractivité est supposée ne dépendre que de l’altitude et elle est estimée à partir de mesures faites en module des ondes radio en configuration bistatique. Nous sommes intéressés par l’exploration de techniques d’inversion qui sont efficaces dans des scénarios réalistes pendant les opérations maritimes et qui peuvent maintenir la précision avec un minimum de besoin en connaissances a priori spécifiques au cas étudié. L’objectif à long terme est de transférer les techniques et les connaissances développées pour progresser vers un système de ’Refractivity-From-Clutter’, qui est la technique d’inversion idéale pour améliorer l’autodéfense des navires, mais qui est plus complexe à analyser et à développer correctement. Le problème inverse est formulé comme un problème d’optimisation non linéaire, qui est résolu à l’aide de méthodes de Quasi-Newton. Les simulations sont effectuées en utilisant l’équation d’onde parabolique dite grand angle de Thomson et Chapman. Le gradient du prob- lème d’optimisation est obtenu à l’aide de l’approche variationnelle adjointe. Il est calculé grâce à deux simulations du modèle direct, quelle que soit la dimension de l’espace des paramètres. Les développements sont validés numériquement en utilisant des mesures générées synthétiquement. Les tests numériques ont confirmé le caractère non linéaire et mal posé du problème inverse qui conduit souvent à des résultats d’inversion inexacts, même dans des conditions idéales, lorsqu’il n’existe aucune erreur de modélisation ou de mesure. Comme le problème est non linéaire et non convexe, des stratégies multi-échelles sont développées pour améliorer la qualité de la solution. Des résultats d’inversion plus précis sont obtenus en réduisant les espaces de paramètres et de mesures. Les avantages et les limites de cette méthode sont discutés à partir de scénarios réalistes en dimension élevée.