L'imagerie par résonance magnétique (IRM) est l'une des méthodes d'imagerie in-vivo les plus utilisées pour obtenir de l'information sur la santé du cerveau. Cependant, les voxels d'IRM ont une résolution limitée en raison de contraintes physiques. L'objectif de cette thèse est d'obtenir des estimations quantitatives des microstructures tissulaires cérébrales (comme la myéline, les matières intra/extra-cellulaires et l'eau libre) à partir des données d'IRM T2 relaxométrie. Deux modèles paramétriques multi-compartiments (MCT2) sont proposés dans cette thèse. L'approche et le cadre d'estimation pour les deux modèles sont justifiés en utilisant des études de simulation. Une série de simulations et d'expériences sur des données IRM in vivo ont été réalisées pour évaluer l'exactitude et la robustesse de ces modèles. Le modèle jugé plus robuste a ensuite été utilisé pour deux études sur de patients atteints de sclérose en plaques (SEP). Dans la première étude, l’évolution des biomarqueurs de MCT2 a été étudiée dans les lésions de SEP présentant une prise de contraste gadolinium (Gd) ou non chez 10 patients sur une période de trois ans. Dans la deuxième étude, nous avons démontré le potentiel de l'utilisation combinée des biomarqueurs MCT2 proposés avec ceux obtenus à partir de modèles existants de diffusion multi-compartiment IRM pour répondre à une tâche cliniquement pertinente et difficile : identifier les régions de lésions SEP en cours de dégradation de la barrière hémato-encéphalique sans utilisation de produit de contraste.