Dans ce rapport, nous proposons deux modeles variationnels pour la classificat- ion d'images multibandes. Le premier modele presente repose sur la minimisation d'une famille de criteres dont la suite de solutions converge vers une partition des donnees composee de classes homogenes separees par des contours reguliers. Parallelement a cette approche, nous avons developpe un second modele de classification mettant en jeu un ensemble de regions et contours actifs. Nous utilisons une approche par ensembles de niveaux pour definir le critere a minimiser. Le critere propose contient des termes relies a l'information sur les regions ainsi qu'a l'information sur les contours. L'imagerie multispectrale permet de prendre en compte, et de combiner, l'information des differentes bandes spectrales renvoyee par un capteur satellitaire ou aerien. L'extension au cas multispectral intervient a des niveaux differents pour les deux modeles proposes dans ce rapport. Nous traitons une application reelle sur une scene SPOT en mode XS pour laquelle nous disposons d'une verite terrain. Nous comparons les deux modeles variationnels que nous proposons a d'autres approches dont un modele stochastique hierarchique, recemment developpe a l'IRISA au sein du projet VISTA.