Les radiotélescopes interféromètres permettent de reconstruire des images des émissions radio provenant de sources célestes. Ces images sont d’un grand intérêt pour les radioastronomes et les astrophysiciens car elles permettent d’obtenir des informations sur les phénomènes physiques en place dans l’univers. Pour cela, une première étape de calibration est nécessaire pour estimer et corriger les effets perturbateurs notamment liés à l’instrument et à la propagation du signal d’intérêt dans l’atmosphère. Des algorithmes d’imageries sont ensuite mis en œuvre pour reconstruire une image du ciel. Toutefois, la conjonction de l’utilisation croissante de radiofréquences dans de nombreuses activités humaines et la forte sensibilité des antennes rendent nécessaire le développement de traitements robustes à la présence d’interférences (RFI). Plusieurs méthodes permettent de détecter et filtrer ces signaux interférents. Néanmoins, les sources d’interférences de faible et moyenne puissance restent difficiles à détecter avec de telles méthodes. Le but de ce travail est alors de proposer des algorithmes de traitement du signal pour la radioastronomie qui soit robustes à la présence de sources interférentes dans les données. Ce travail sera conduit avec un souci constant de performance statistique et d’efficacité computationnelle en grandes dimensions. Tout d’abord, dans le contexte de la calibration, nous montrons que les interférences peuvent être modélisées par un bruit de rang faible. Cette modélisation nous a permis de développer un algorithme original de calibration multifréquentiel basé sur une variante de l’algorithme Espérance-Maximisation. Grâce à un choix judicieux des données latentes, nous avons obtenu des expressions analytiques à chaque itération permettant de limiter la charge de calcul requise. Les simulations effectuées ont montré la supériorité en précision des solutions proposées par rapport à l’état de l’art en présences de RFI. Nous proposons ensuite des modélisations statistiques des données permettant de prendre en compte l’impact de sources interférentes dans le contexte de l’imagerie. Nous nous appuyons sur la classe des distributions gaussiennes composées. Nous avons ainsi pu proposer un algorithme du maximum de vraisemblance régularisé (type EM) en présence d’interférences. Toutefois, tous les algorithmes proposés pour résoudre l’étape de maximisation de l’EM font appel à une DFT dont la charge de calcul est liée à la coûteuse implémentation d’une DFT sur un vecteur de visibilités de grandes dimensions. Afin d’accélérer cette étape par l’usage d’une FFT, nous avons du introduire un bruit synthétique pour prendre en compte l’approximation d’une DFT sur une grille non uniforme par une FFT. C’est ainsi que nous avons été amenés à développer un jeu original de variables latentes permettant d’en améliorer l’efficacité computationnelle. Comme attendu, les algorithmes d’imagerie ainsi proposés permettent une reconstruction améliorée par rapport aux algorithmes de l’état de l’art en présence de RFI avec une charge de calcul contrôlé.