La plupart des risques d'inondation sont induits soit par le débordement d'un cours d'eau, soit par un écoulement de surface intense à la suite de fortes précipitations, causant des dommages à la surface terrestre sous de nombreuses formes. Jusqu'à présent, la détection à fine échelle des dommages causés par le ruissellement intense des eaux de pluie au-delà du voisinage direct des principaux cours d'eau a été peu explorée à l'aide de la télédétection par satellite. Dans ce travail, trois orages extrêmes dans les départements de l'Aude et des Alpes-Maritimes dans le sud de la France ont été étudiés à partir de vérités de terrain et d'images optiques à très haute résolution (satellite Pléiades, orthophotos IGN). Les informations relatives à la délimitation des parcelles et à l'occupation des sols ont été combinées à des données optiques (Sentinel-2) et SAR (Sentinel-1) à haute fréquence de revisite et à haute résolution en source ouverte afin de tester une méthode de détection des changements simple, automatique et reproductible pour localiser les parcelles endommagées en utilisant la classification supervisée. Sur la base d'un échantillon d'entraînement unique provenant des inondations de l'Aude d'octobre 2018, des combinaisons d'indicateurs spectraux basés sur les parcelles ont permis d'atteindre des précisions de détection globales supérieures à 85% sur des échantillons de validation indépendants pour les trois événements. Un simple prétraitement de démêlage interclasse de l'utilisation des terres utilisé pour tenir compte des variations saisonnières spécifiques aux terres a amélioré la répétabilité des événements et des sites en abaissant les taux de fausse détection jusqu'à un maximum de 13 %. Les avantages de l'introduction du canal SWIR en plus des indices visibles et proches infrarouges se sont limités à quelques points de pourcentage. Les indicateurs dérivés du SAR de l'humidité et de la rugosité du sol dans les zones faiblement végétalisées étaient cohérents avec la présence de dégradations, la polarisation VV étant la plus sensible. Cependant, la précision de la classification n'a pas augmenté de manière significative avec les données Sentinel-1 par rapport à l'utilisation exclusive de Sentinel-2. Des tests supplémentaires ont révélé que si les images optiques disponibles les plus proches sont assez éloignées dans le temps en raison d'une couverture nuageuse persistante, la méthode est raisonnablement robuste tant que des conditions de sol stables ont été observées avant l'événement. La nécessité de disposer d'images proches dans le temps a toutefois été soulignée par une formation intersites. En effet, une reproductibilité efficace d'un site à l'autre reposait sur l'utilisation de parcelles d'apprentissage non affectées dont la variabilité inhérente des variations temporelles des indices spectraux était légèrement supérieure à celle du site de test. Au-delà de l'étude de trois cas, ce travail démontre le potentiel de performance et de répétabilité d'une nouvelle méthode probabiliste de détection des changements pour exposer divers types de perturbations extrêmes liées aux précipitations, en particulier celles qui se produisent loin du réseau hydrographique principal. Si des produits pluviométriques précis dans l'espace sont disponibles, la cartographie complète des risques de ruissellement intense des eaux pluviales à l'aide de cette approche originale basée sur les parcelles permettra alors d'améliorer la compréhension des mécanismes de génération des écoulements de surface dans les modèles hydrologiques.