Cette thèse est consacrée à l apport de la modélisation 3D à la neuroanatomie. Dans ce travail, nous nous intéressons à l organisation spatiale de populations de neurones dont l approche histologique classique était dans l incapacité de fournir une vision compréhensive. Une première partie montre que la modélisation 3D dévoile des agencements qui sous-tendent le mode de fonctionnement de groupes neuronaux et qu elle a des vertus prédictives puisqu elle ouvre de nouveaux questionnements par la mise en évidence d organisations inédites. Une deuxième partie révèle la difficulté de comparer plusieurs modèles 3D distincts et nous a conduits à développer un algorithme de moyennage et de fusion de modèles ouvrant la porte à la génération de modèles génériques représentatifs. La dernière partie met en évidence que la fusion de modèles 3D génère des reconstructions biologiquement vraisemblables et permet d évaluer le degré de recouvrement de populations de neurones de plusieurs modèles 3D. Ainsi par son approche quantitative, la modélisation 3D permet à l image de s affranchir de son statut purement descriptif pour devenir, comme les autres paramètres biologiques, une grandeur quantifiable.