Dans la mesure où les avalanches apparaissent plus brillantes dans les observations radar que le reste du manteau neigeux environnant, la télédétection SAR de ces surfaces semble pouvoir s’inscrire de manière prometteuse dans leur étude et leur surveillance. La rugosité, en modifiant le comportement d’interaction de la matière avec le rayonnement, est une bonne candidate à l’explication de cette surbrillance et l’objet de ce travail consiste en l’inversion des paramètres la décrivant à partir des observations Sentinel-1. On propose en particulier une modélisation de la rétrodi usion d’une surface recouverte par la neige à partir du modèle IEM de rétrodi usion des surfaces rugueuses et d’un modèle de rétrodi usion volumique au sein d’une couche de neige. Les paramètres du modèles sont ensuite estimés par un algorithme de Monte Carlo maximisant une fonction de vraisemblance Laplacienne entre les rétrodi usion prédites par le modèle et celles observées pour le manteau neigeux. Au préalable, un algorithme d’apprentissage machine LDA est utilisé sur une image multispectrale Sentinel-2 pour classifier les di érents couverts observé dans l’image Sentinel-1 à l’aide d’indices spectraux et de rapports de bandes et extraire les régions identifiées au manteau neigeux. L’inversion des paramètres décrivant le comportement de rétrodi usion des avalanches est ensuite réalisée en fixant les autres grandeurs communes avec le reste du manteau neigeux. L’inversion prédit bien une évolution de ces paramètres mais suggère également que d’autres e ets sont en jeu pour expliquer la surbrillance des avalanches conduisant à une modification locale du comportement diélectrique de la neige.