Lors d'un accident industriel (usine chimique, centrale nucléaire), des polluants aériens peuvent être rejetés dans l'atmosphère avec de dramatiques conséquences sanitaires. Parmi les exemples les plus tristement connus, on compte Bhopal et Tchernobyl. Afin de prévenir les conséquences d'un accident, de mieux évaluer son impact, voire de prévoir l'évolution du panache de polluant en temps réel, il est crucial de pouvoir remonter au terme source à partir des mesures de concentrations de polluant sur le terrain. Le problème inverse associé à la dispersion d'un polluant accidentel à l'échelle continentale est complexe. D'abord parce qu'il implique un modèle numérique de dispersion élaboré, sur un domaine de grande taille. Ensuite parce qu'on compte plusieurs dizaines de milliers de variables indépendantes à inverser, pour quelques milliers d'observations (sous-détermination). Des méthodes adaptées, fondées sur le principe du maximum d'entropie, ont été récemment développées pour répondre au mieux à ce type de problème. Ce type de régularisation permet d'imposer de façon efficace des contraintes comme la positivité de la source. Cette régularisation autorise de plus l'application des méthodes de l'analyse convexe non-linéaire. J'expliquerai dans un premier temps le fondement de ces techniques d'inversion. Puis je les appliquerai sur une expérience réelle de dispersion à l'échelle européenne, en identifiant la source de polluant, et en montrant comment l'évolution du panache peut être anticipée en situation de crise suite à un rejet accidentel (assimilation de données). À l'aide d'une étude de sensibilité du second ordre, je montrerai comment l'information obtenue des observations est redistribuée par la procédure d'inversion entre la source (objectif premier) et les erreurs.