La problematique abordee dans ce document est celle de la reconstruction en 3D de zones urbaines dans un contexte tres peu contraint, par fusion de donnees GPS, SIG et video. L'objectif est de raffiner des modeles 3D simples et georeferences de batiments, extraits d'une base SIG, en les mettant en correspondance avec des videos acquises au sol, la position de la camera etant estimee par GPS. La fusion des videos et des modeles 3D correspondants est calculee par une analyse contextuelle des images acquises, associee a un asservissement visuel virtuel robuste. Nous obtenons ainsi une information de pose de la camera pour chaque image en entree. Nous presentons egalement une methode d'extration des textures de facade des batiments a la fois robuste aux problemes d'occultation, de resolution spatiale des images ou aux specularites presentes dans les videos. Enfin, nous presentons une etude preliminaire sur l'extraction des details geometriques de chaque facade. Un calcul de disparite par coupe de graphe ou flot optique est effectuee dans l'espace texture. Les micro-structures des facades peuvent alors etre retrouvees en utilisant ces cartes de disparite."