La segmentation de structures curvilignes est une tâche cruciale dans de nombreuses applications médicales comme la segmentation de vaisseaux sanguins en 2 et 3 dimensions. Néanmoins, ces structures sont très sensibles au bruit de par leur finesse et faible densité dans les images, rendant leur segmentation difficile. L'orientation locale de ces structures peut apporter une information utile en segmentation. Nous proposons d'utiliser cette information, estimée par des méthodes récentes de traitement d'image, comme a priori dans un terme de régularisation pour modèles variationnels. Ce terme, en plus de conserver un fort pouvoir régularisant dans l'ensemble de l'image, permet de mieux préserver les structures curvilignes. Nous présentons des résultats à la fois sur des images synthétiques et réelles à 2 dimensions.