L'objectif de ce papier est de proposer une méthode pour l'estimation de graphes de connectivité orientés entre des signaux provenant de différentes aires du cerveau au cours de différentes phases de veille et sommeil. La non stationnarité des données est prise en compte pour évaluer les liens entre les activités des différentes aires de façon à rendre compte de l'aspect dynamique des graphes sous-jacents. Pour cela, une méthode d'estimation de cohérences partielles dirigées est testée et analysée sur un modèle qui génère des signaux à partir d'une séquence de modèles autorégressifs multivariés supposée mimer l'activité du cerveau durant différents états de vigilance. Cette méthode est ensuite utilisée sur des signaux réels électroencéphalographiques provenant de trois aires du cerveau d'un rat durant plusieurs phases de veille et sommeil. La méthode met en évidence, d'une part le caractère dynamique de l'échange entre régions du cerveau, d'autre part la distribution des principaux graphes de connectivité au cours des différents états de vigilance.