Cet article présente une méthode basée sur l’apprentissage automatique pour prédire les paramètres de structure de la forêt à partir de données PolInSAR en bande L acquises par le système UAVSAR aéroporté sur le Parc des Laurentides au Québec, Canada. L'objectif principal de cet article est de montrer que l'extraction de paramètres pertinents de la région de cohérence PolInSAR nous aide à inverser les indicateurs de structure de forêt calculés à partir du capteur LIDAR aéroporté LVIS. La méthode choisie repose sur le fait que des descripteurs PolInSAR bien choisis sont reliés à la structure tridimensionnelle de la scène, en particulier à la forme de cohérence généralisée. Parallèlement à une description de cette forme de cohérence, nous examinons les impacts de paramètres d'acquisition tels que la ligne de base, l'élévation du terrain ou la pente locale, afin de les éliminer avant d’extraire nos paramètres de forêt. Ensuite, nous utilisons un modèle de perception multicouche pour déduire les entités extraites par LIDAR de notre jeu de données de forme de cohérence. Les entités en sortie sont la hauteur de la canopée, la couverture au sol et le type de profil vertical. En utilisant cette méthode appliquée aux données UAVSAR, nous inversons la hauteur de canopée et la couverture au sol avec une RMSE normalisée de 13 et 15% respectivement. Les formes d'onde LIDAR ont été divisées en trois classes équilibrées sur lesquelles nous avons appliqué un algorithme de forêt aléatoire pour obtenir un score résultant de 66%.