Cette étude propose d’estimer précocement par imagerie deux variables clés dans la gestion des cultures et dans la compétition culture-adventices : l’indice foliaire (LAI) et la biomasse aérienne sèche (BM). Une expérimentation a été conduite au champ pendant la phase végétative d’une culture de blé. Pour chaque peuplement (culture de blé, adventices), les taux de couverture du sol par la végétation (TCc, TCw) ont été déduits du traitement d’image basé sur une technique de machine learning. LAI et BM ont été mesurés de façon destructive. Puis, une calibration a été réalisée entre TC et LAI d’une part et entre TC et BM d’autre part. Ce travail pourrait, à terme, faciliter le diagnostic de l’agriculteur dans sa gestion durable de la flore adventice avec la création d’un nouvel indicateur non destructif de la compétition culture-adventices construit à partir de simples images visibles. This study proposes to estimate very early the leaf area index (LAI) and aerial dry biomass (BM) of crop and weeds by an image approach (RGB images). A field experiment was conducted during the vegetative phase of wheat. For each stand (crop, weeds), the vegetation cover ratios (TCc, TCw) were deduced from visible images and machine learning techniques. LAI and BM were measured with destructive methods. Then, a calibration was performed between TC and LAI and between TC and BM. This work could facilitate the diagnosis of the farmer for a sustainable weed management because it aims to create a new non-destructive indicator of crop-weed competition using simple visible images.