Cet article propose une méthode de segmentation automatique du ventricule gauche (VG) en IRM par modèle déformable implicite (Level Set) à l'aide d'un cadre variationnel. Pour ces approches, les degrés de liberté sont l'initialisation et la fonctionnelle à minimiser. Le premier est souvent laissé au soin du praticien. Afin d'éviter cette intervention humaine, nous présentons une méthode d'initialisation fondée sur une transformée de Hough exploitant les informations spatio-temporelles du VG. Classiquement, la fonctionnelle énergétique utilise des informations issues des contours, des régions mais également des contraintes de formes. Nous proposons de coupler un terme d'énergie contour calculé par une mesure d'asymétrie via le signal monogène, des statistiques de l'intensité des pixels (modèle de Weibull) et une contrainte sur l'épaississement myocardique. La présence de plusieurs tissus (myocarde, sang, . . .) implique la non-stationnarité des données. Afin d'estimer au mieux les paramètres de la distribution, nous proposons un modèle déformable maximisant localement et/ou globalement la log-vraisemblance pour être cohérent avec l'anatomie. Finalement, nous évaluons notre méthode sur les données du challenge MICCAI 2009.