Cette thèse est consacrée à l'apport de la modélisation 3D à la neuroanatomie. Dans ce travail, nous nous intéressons à l'organisation spatiale de populations de neurones dont l'approche histologique classique était dans l'incapacité de fournir une vision compréhensive. Une première partie montre que la modélisation 3D dévoile des agencements qui sous-tendent le mode de fonctionnement de groupes neuronaux et qu'elle a des vertus prédictives puisqu'elle ouvre de nouveaux questionnements par la mise en évidence d'organisations inédites. Une deuxième partie révèle la difficulté de comparer plusieurs modèles 3D distincts et nous a conduits à développer un algorithme de moyennage et de fusion de modèles ouvrant la porte à la génération de modèles génériques représentatifs. La dernière partie met en évidence que la fusion de modèles 3D génère des reconstructions biologiquement vraisemblables et permet d'évaluer le degré de recouvrement de populations de neurones de plusieurs modèles 3D. Ainsi par son approche quantitative, la modélisation 3D permet à l'image de s'affranchir de son statut purement descriptif pour devenir, comme les autres paramètres biologiques, une grandeur quantifiable.