La qualité des images des caméras satellitaires est régulièrement contrôlée en vol. La fonction de transfert de modulation (FTM) est un des critères de qualité image. Sa connaissance permet d'estimer ou de comparer les performances en vol de différents satellites et est utile pour calculer des filtres de déconvolution. Nous proposons une méthode permettant d'évaluer en vol la fonction de transfert de modulation d'un instrument de manière univariante, c'est-à-dire à partir d'une image quelconque, sans image de référence. Pour effectuer cette évaluation, nous étalonnons préalablement un modèle mathématique sur des images dont le contenu en terme de paysage et de FTM est connu. En raison de la complexité du phénomène à modéliser, nous avons choisi d'utiliser un réseau de neurones artificiels (RNA). Ce modèle, non linéaire, a l'avantage d'être un excellent interpolateur et de permettre l'utilisation de méthodes très simples d'étalonnage de ses paramètres. En pratique, il s'agit dans un premier temps de caractériser le problème en séparant au mieux, d'une part, l'information liée à la FTM et, d'autre part, l'information liée au paysage présent dans une image quelconque afin d'extraire une signature mathématique paysage/FTM. Ensuite, le RNA apprend à dissocier finement, grâce à des exemples connus, la FTM et la structure du paysage à l'aide de la signature paysage/FTM. Finalement, le RNA est utilisé de façon autonome sur des images inconnues pour estimer la FTM. Un point primordial de cette approche univariante est de dissocier au mieux la structure du paysage et la FTM. La validation de la méthode est effectuée au moyen de simulations d'images.