La biométrie se réfère à la reconnaissance automatique des individus basée sur leurs caractéristiques physiologiques et/ou comportementales. Les systèmes biométriques unimodaux permettent de reconnaître une personne en utilisant une seule modalité biométrique, mais ne peuvent pas garantir avec certitude une bonne identification. De plus, ces systèmes sont sensibles au bruit introduit par l'unique capteur, à la non-universalité et au manque d'individualité de la modalité biométrique choisie ainsi qu'aux tentatives d'intrusion. La plupart de ces problèmes peuvent être réduits par la mise en place de systèmes biométriques multimodaux utilisant plusieurs signatures biométriques d'une même personne. Dans cette thèse, nous abordons plusieurs points importants concernant la biométrie multimodale. Tout d'abord, après avoir dressé un état de l'art en fusion multimodale, nous faisons le lien entre le fonctionnement du cerveau et certains algorithmes fondamentaux utilisés en reconnaissance faciale. Ensuite, nous mettons en avant l'utilisation des ondelettes à divers niveaux du système biométrique multimodal. Enfin, l'exploration de nouvelles techniques de fusion de signatures biométriques issues du visage (modalité naturelle et non intrusive) et de l'iris (une des modalités les plus précises) ainsi que des analyses statistiques à grande échelle des scores de similarité provenant de chaque modalité ont permis de mettre au point une méthode originale de fusion adaptative combinant l'utilisation des ondelettes et des moments statistiques.