Disposer d'une méthode opérationnelle permettant une description détaillée de la structure en 3D de la végétation forestière à l'échelle d'une placette contribuerait au développement des connaissances sur le fonctionnement des écosystèmes forestiers et faciliterait la mise en place d'une gestion durable de ces écosystèmes. Cependant la complexité du milieu forestier rend difficile la mesure de la structure forestière. Ainsi les méthodes de relevés terrain traditionnelles ne permettent pas de réaliser de façon opérationnelle une description complète de la structure de la végétation. Les lidar terrestres (scanners laser 3D) permettent d'acquérir des données en 3D très détaillées qui permettent l'évaluation de métriques classiques telles que la hauteur des arbres, le diamètre à hauteur de poitrine, la densité du couvert [1]. Cependant, et alors que ces données semblent prometteuses pour analyser finement la structure d'un peuplement, rares sont les études qui se sont intéressées à l'estimation de paramètres biophysiques plus complexes, à l'exemple de Danson et al. [2]. Nous proposons une nouvelle approche pour quantifier la répartition spatiale en 3D de la végétation à partir de nuages de points 3D acquis par lidar terrestre. Cette méthode repose sur l'hypothèse que le taux de faisceaux laser interceptés (i.e. donnant lieu à l'enregistrement d'un point 3D) à l'intérieur d'un élément de volume est proportionnel à la densité du matériel végétal contenu dans ce volume. Le modèle développé permet de calculer un indice de densité en tout point d'une grille régulière formant des cubes (voxels) qui englobe la placette et qui est définie en coordonnées géographiques. Pour faciliter les calculs, chaque nuage de point enregistré est analysé en se plaçant dans un système de coordonnées sphériques ayant pour origine la position du capteur, en conformité avec la géométrie d'acquisition. L'indice de densité de végétation est alors calculé pour des éléments de volume appelés svoxels (voxels sphériques) centrés sur les points de la grille régulière [3]. Pour chaque svoxel l'indice de densité est donné par le ratio entre le nombre de retour à l'intérieur du volume (nombre de points) et le nombre de faisceaux lidar qui ont effectivement pénétré à l'intérieur de ce volume. Plusieurs acquisitions (appelées aussi « scans ») à partir de points de vue différents situés à l'extérieur d'une placettes sont nécessaires pour la décrire correctement en raison (1) des occlusions (zones non échantillonnées) et (2) du champ de vue du lidar (40°x40° avec le système ILRIS-3D utilisé dans cette étude). L'algorithme initial a donc été complété en proposant une méthode de fusion des résultats obtenus pour les différents nuages de points qui décrivent la placette. L'indice de densité est d'autant plus fiable que le svoxel est bien échantillonné. Les occlusions modifient en effet la régularité de l'échantillonnage et peuvent entraîner des biais dans l'estimation de l'indice de densité. Un indice de qualité de l'échantillonnage de chaque svoxel a donc été défini qui prend en compte à la fois le nombre de faisceaux traversant le svoxel et la régularité de répartition de ces faisceaux. A chaque point de la grille on attribue, parmi les indices de densité de végétation calculés pour les différents scans, celui qui correspond au svoxel le mieux échantillonné. Le modèle a été testé sur deux placettes forestières au sein de peuplements de pins noirs dans les Alpes du Sud. Les indices de densité de végétation ont été calculés à trois résolutions : 25 cm, 50 cm et 1 m. Les résultats obtenus sont visuellement conformes à la structure de la végétation telle qu'observée dans le nuage de point 3D. La comparaison des indices de densité obtenus sur différents scans a permis de montrer l'influence des occlusions sur la qualité d'estimation de ces indices. Cependant aucun biais systématique en fonction de la distance au capteur n'a été trouvé. Le calcul de l'indice de densité moyen au niveau de l'arbre montre une cohérence des résultats entre les différentes résolutions et une grande hétérogénéité entre individus de la même espèce. Pour tenter d'expliquer cette hétérogénéité par des différences de caractéristiques morphologiques entre arbres, les indices de densité moyens au niveau de l'arbre sont en cours de confrontation avec des mesures terrain traditionnelles. Les premiers résultats sont très prometteurs et ont permis de vérifier la cohérence des indices de densité de végétation obtenus. Des analyses approfondies de scans acquis en mode premier et dernier retour et à différentes distances sont prévues pour renforcer la validation des résultats. De nombreuses utilisations des indices spatialisés de densité de végétation sont envisageables. Nous projetons en particulier d'établir un lien entre ces indices et des formes d'onde lidar provenant de systèmes aéroportés afin d'améliorer les méthodes d'extraction d'informations sur les couverts forestiers à partir des données lidar full waveform aéroportées.