Dans le domaine de l'imagerie medicale, la segmentation des images volumetriques resultant de divers examens est une tache cruciale. Elle fournit au praticien une aide pour effectuer son diagnostic. La pertinence de cet outil repose sur deux facteurs majeurs: le temps de calcul et la qualite de segmentation. Nous montrons qu'il possible d'alleger la contrainte de temps grace a la distribution des calculs sur un cluster d'ordinateurs. La programmation parallele a ete effectuee par l'utilisation du standard MPI (Message Passing Interface). L'efficacite de la solution est prouvee par de bons facteurs d'acceleration car il ne suffit pas de paralleliser un programme pour proclamer avoir atteint le Graal. La modelisation par champs aleatoires de Markov caches a ete choisie pour segmenter les images. Cette modelisation aboutit a l'optimisation d'une fonction objective. Nous avons utilise les techniques d'optimisation, eprouvees, que sont le Recuit Simule et les Modes Conditionnels Iteres. L'algorithme des nuees dynamiques a egalement ete utilise dans un but comparatif. Pour mesurer la qualite de la segmentation, nous calculons les Kappa Index sur des images disposant de verite terrain."