La Séparation de Sources consiste à retrouver un jeu deM signaux indépendants appelés sources à partir de l'observation de N de leurs mélanges. Il existe de nombreuses méthodes de séparation qui sont pour la plupart basées sur les statistiques d'ordre supérieures. Ces méthodes permettent d'exploiter l'hypothèse d'indépendance des sources. Dans ce cadre nous avons considéré le cas de la séparation de sources basée sur l'optimisation de fonctions de contraste dans un cas de mélange linéaire purement spatial. Nous proposons d'abord deux nouvelles familles de contrastes regroupant comme cas particulier des contrastes existants. Puis nous déterminons la solution optimale dans le cas deux sources pour ces deux familles de contrastes. Cela nous permet nalement de proposer deux algorithmes, qui constituent alors deux généralisations d'algorithmes classiques. Ensuite, nous étudions l'optimisation d'un contraste sous contrainte, an de proposer des algorithmes ne nécessitant pas, comme dans le cas précédent de blanchiment préalable des données. Deux familles de méthodes directes d'optimisation sous contrainte sont considérées : les méthodes duales et les méthodes directes. Cela nous permet en outre de développer des algorithmes utilisant les notions de Lagrangien, de pénalisation et de projection sur la contrainte. Des simulations informatiques illustrent le comportement des algorithmes proposés.