Cette étude évalue le potentiel des modèles de texture SIRV appliqués sur les sous-bandes d'une décomposition en ondelettes pour la détection de parcelles viticoles dans les images à très haute résolution de type Pléiades et compare les performances de ces modèles avec des méthodes de référence telles que les matrices de co-occurrence de niveaux de gris et une approche de segmentation par filtre de Gabor. Les résultats obtenus montrent que les modèles SIRV permettent à la fois une bonne détection des parcelles tout en limitant le taux de faux positifs par rapport aux autres approches. Ces modèles font également preuve d'une plus grande robustesse à des effets d'atténuation de texture liés au faible rapport entre distance inter-rang et résolution spatiale propre aux appellations viticoles étudiées. Abstract This study evaluates the potential of wavelet-based SIRV texture modeling for the detection of vineyards in very high resolution Pléiades data and compares the performances of these models with reference methods such as grey level co-occurrence matrices and a segmentation approach based on Gabor filter. The obtained results show that SIRV models enable to reach high detection rates while reducing the false alarm rate in comparison to the other approaches. These models also display a higher robustness to texture attenuation effects due to the low ratio between inter-row distance and spatial resolution observed in the studied wine-growing regions.