L'analyse des donnees geo-referencees, issues notamment de l'agriculture de precision, necessite l'agregation de mesures entachees d'incertitudes et collectees en des lieux et a des resolutions differentes. Or ces donnees sont souvent trop rares pour justifier leur interpolation sur une grille commune par des methodes geo-statistiques. Cet article propose de definir un objet zone, adapte a la representation cognitive d'une parcelle ou d'un paysage par un expert autant qu'a celle de mesures collectees en ligne ou par mesure au champ. L'utilisation de sous-ensembles flous pour la definition topographique, tant que pour celle du prototype de cet objet zone, permettent de fidelement representer les incertitudes liees aux donnees geographiques. Une methode d'extraction automatique de ces zones est presentee : il s'agit d'approximer les zones floues par des zones precises contigues determinees par un algorithme de type croissance de region, puis de definir les zones floues correspondantes en leur associant un ensemble flou 2D et un prototype dans l'espace des attributs. / Geo-Referenced data analysis, to deal with such data as precision farming provides, involves aggregation of multi source and multi resolution uncertain data. Data are often costly and too scarce to allow interpolation on a common grid using geo-statistical methods. The present paper introduces the concept of a zone object, which is well suited to the expert cognitive representation of a parcel or a landscape. It is convenient for on line collected data or field measurements. The use of fuzzy sets for the topographic zone and for its attribute prototype allow a faithful representation of geographic data incertitudes. We also present an algorithm for generating zones from data. We first carry out a union find based algorithm which builds crisp contiguous zones through a merging process. Then we transform the crisp zones into fuzzy gradual zones by defining the fuzzy zone characteristics, a spatial 2D fuzzy set and an attribute prototype.