La problmatique aborde dans ce document est celle de la reconstruction en 3D de zones urbaines dans un contexte trs peu contraint, par fusion de donnes GPS, SIG et vido. L'objectif est de raffiner des modles 3D simples et gorfrencs de btiments, extraits d'une base SIG, en les mettant en correspondance avec des vidos acquises au sol, la position de la camra tant estime par GPS. La fusion des vidos et des modles 3D correspondants est calcule par une analyse contextuelle des images acquises, associe  un asservissement visuel virtuel robuste. Nous obtenons ainsi une information de pose de la camra pour chaque image en entre. Nous prsentons galement une mthode d'extration des textures de faade des btiments  la fois robuste aux problmes d'occultation, de rsolution spatiale des images ou aux spcularits prsentes dans les vidos. Enfin, nous prsentons une tude prliminaire sur l'extraction des dtails gomtriques de chaque faade. Un calcul de disparit par coupe de graphe ou flot optique est effectue dans l'espace texture. Les micro-structures des faades peuvent alors tre retrouves en utilisant ces cartes de disparit.