Les atteintes musculosquelettiques sont fréquentes chez les chiens présentés en consultation de médecine vétérinaire, ce qui met en évidence la nécessité de comprendre leur locomotion et de pouvoir objectiver la présence de boiterie. Bien que des grilles de quantification existent, le consensus entre vétérinaires reste faible, soulignant le besoin d'outils plus objectifs. Cette thèse vétérinaire a pour but d'étudier la locomotion du chien sain en utilisant la cinématique sans marqueur. Nous avons utilisé l'algorithme ModelZoo SuperAnimal-Quadruped en tant qu'outil d'analyse cinématique ainsi qu'un système de caméras synchronisées et un tapis de pression pour la collecte des données. Douze chiens ont été inclus et leurs déplacements au pas et au trot ont été enregistrés. La locomotion d'un chien a été modélisée en 2D puis en 3D. La hauteur de la tête et du bassin, la longueur et la hauteur de la foulée ainsi que le rapport cyclique du chien ont été analysés dans chaque allure. Les valeurs obtenues avec l'algorithme ModelZoo SuperAnimal-Quadruped ont été comparées à celles attendues pour un chien indemne de boiterie ainsi qu'aux mesures issues du tapis de pression. Pour chaque paramètre étudié, nos résultats ont démontré que l'algorithme fournit des données conformes à celles attendues pour un chien sain et cohérentes avec celles issues d'une technique de référence. Cette étude est la première à appliquer un algorithme d'apprentissage profond à l'analyse de la locomotion du chien et ouvre de nouvelles perspectives pour l'objectivation et la quantification des boiteries canines.[-]