La réalité augmentée (RA) consiste à superposer des éléments virtuels à une image, de manière à créer l'illusion que ces éléments coexistent dans la scène réelle. La cœlioscopie est une technique de chirurgie minimalement invasive qui permet de réaliser des interventions chirurgicales via de petites incisions permettant le passage d'outils et d'une caméra. C'est une technique particulièrement utilisée en gynécologie car elle apporte des avantages conséquents, limitant le traumatisme pour la patiente. En revanche, ce type d'intervention est plus complexe pour le/la chirurgien(ne), qui perçoit mal la profondeur et dont les gestes sont contraints par les incisions. Utiliser la RA pour assister le geste chirurgical en cœlioscopie est donc particulièrement pertinent. Cette motivation a donné lieu au développement dans l'équipe EnCoV d'une première solution appelée Uteraug, qui réalise le recalage entre les données préopératoires et le flux vidéo cœlioscopique. Concrètement, avec cet outil, la RA crée un effet de transparence virtuelle de l'organe pour permettre au chirurgien de visualiser les tumeurs à extraire, par exemple dans le cadre de myomectomies. Cette solution a néanmoins plusieurs contraintes qui rendent son utilisation limitée. D'une part, les étapes préliminaires de mise en place de la RA sont chronophages car elles nécessitent des annotations manuelles à réaliser directement en salle d'opération. D'autre part, cette solution limite la RA à la phase préparatoire de l'opération. En effet, une fois que l'organe est incisé, le système de recalage ne fonctionne plus. Nos travaux ont visé à répondre à ces différentes limites. Dans un premier temps, nous nous sommes intéressés à la mise en place de la RA, une étape préliminaire qui nécessite l'annotation des contours occultants de l'utérus. Les contours occultants sont les contours visibles de la silhouette d'un objet. Ils sont ici utilisés pour contraindre le recalage non rigide entre les donnéespréopératoires et peropératoires. Nous avons étudié la mise en place d'une stratégie pour extraire ces contours de manière automatique grâce à un réseau de neurones profond. Nous avons également proposé un nouveau score pour comparer deux contours échantillonnés sur une image. Nous avons réalisé une étude sur dix opérations pour lesquelles les données ont été enregistrées pour simuler l'utilisation du logiciel après l'opération. Nous avons montré que l'annotation automatique proposée permet d'obtenir une précision très proche de celle obtenue avec une annotation manuelle tout en réduisant considérablement le temps nécessaire pour obtenir la RA. Dans un second temps, nous avons proposé une séquence d'étapes pour détecter l'incision de l'utérus dans le flux vidéo et mettre à jour le modèle virtuel peropératoire, permettant ainsi de maintenir la RA au cours de l'opération. Nous avons testé cette séquence d'étapes sur des données ex-vivo et in-vivo et réussit à maintenir la RA de manière cohérente avec l'incision. L'implémentation actuelle de cette séquence d'étapes ne permet pas un usage en temps réel.