En imagerie cardiovasculaire, un biomarqueur est une information quantitative permettant d'établir une corrélation avec la présence ou le développement d'une pathologie cardiovasculaire. Ces biomarqueurs sont généralement obtenus grâce à l'imagerie de l'anatomie et du flux sanguin. Récemment, la séquence d'acquisition d'IRM de flux 4D a ouvert la voie à la mesure du flux sanguin dans un volume 3D au cours du cycle cardiaque. Or, ce type d'acquisition résulte d'un compromis entre le rapport signal sur bruit, la résolution et le temps d'acquisition. Le temps d'acquisition est limité et par conséquent les données sont bruitées et sous-résolues. Dans ce contexte, la quantification de biomarqueurs est difficile. L'objectif de cette thèse est d'améliorer la quantification de biomarqueurs et en particulier du cisaillement à la paroi. Deux stratégies ont été mises en œuvre pour atteindre cet objectif. Une première solution permettant le filtrage spatio-temporel du champ de vitesse a été proposée. Cette dernière a révélé l'importance de la paroi dans la modélisation d'un champ de vitesse. Une seconde approche, constituant la contribution majeure de cette thèse, s'est focalisée sur la conception d'un algorithme estimant le cisaillement à la paroi. L'algorithme, nommé PaLMA, s'appuie sur la modélisation locale de la paroi pour construire un modèle de vitesse autour d'un point d'intérêt. Le cisaillement est évalué à partir du modèle de la vitesse. Cet algorithme intègre une étape de régularisation a posteriori améliorant la quantification du cisaillement à la paroi. Par ailleurs, une approximation du filtre IRM est utilisée pour la première fois pour l'estimation du cisaillement. Enfin, cet algorithme a été évalué sur des données synthétiques, avec des écoulements complexes au sein de carotides, en fonction du niveau de bruit, de la résolution et de la segmentation. Il permet d'atteindre des performances supérieures à une méthode de référence dans le domaine, dans un contexte représentatif de la pratique clinique.