Situées en zone semi-aride, les cuvettes oasiennes du centre-est du Niger sont des agro-écosystèmes à haute potentialité. Cependant, elles sont souvent peu connues par ces acteurs du développement à cause de leur extrême diversité et de leur nombre. Cette étude évalue les performances de trois méthodes de classification d’images dans la détection des cuvettes oasiennes (analyse pixellaire, analyse texturale et analyse par objet) à partir des images SPOT5-THX de 2,5 m de résolution spatiale. L’évaluation des résultats montre que l’approche par objet (indice critique de succès égal à 0,94) est beaucoup plus performante que celle utilisant la texture (indice critique de succès égal à 0,78) et l’analyse par pixel (indice critique de succès égal à 0,69). L’étude fournit une première information originale, à savoir le nombre (11 300 cuvettes oasiennes détectées avec une erreur de plus ou moins 6%), la position et la surface de l’ensemble des cuvettes sur la zone d’étude.