Les valeurs de luminance du monde réel s’étendent sur plusieurs ordres de grandeurs qui doivent être traitées par des systèmes artificiels afin de capturer des scènes visuelles avec une sensibilité visuelle élevée. Fait intéressant, il a été constaté que des traitements similaires se produisent dans les systèmes biologiques, et ce dès la rétine. Ainsi notre motivation dans cet article est de développer un nouvel opérateur de tone mapping (TMO) basé sur un modèle synergique de la rétine. Nous partons du modèle Virtual Retina, qui a été développé en neuroscience computationnelle. Nous montrons comment enrichir ce modèle avec de nouvelles fonctionnalités pour l’utiliser comme un TMO, à savoir la gestion des couleurs, l’adaptation de la luminance au niveau des photorécepteurs et la création d’une image de sortie à partir d’une activité de population hétérogène. Notre méthode fonctionne pour la vidéo mais peut également être appliquée à l’image statique (en répétant l’image dans le temps). Elle a été soigneusement évalué sur des benchmarks standards dans le cas statique, donnant des résultats comparables à l’état de l’art en utilisant des paramètres par défaut, tout en offrant un contrôle utilisateur pour un réglage plus fin. Les résultats sur une vidéo HDR sont également prometteurs, spécifiquement par rapport à la cohérence de luminance temporelle. Le code est disponible sous forme de bloc-notes Python et une implémentation C ++ via GitHub afin que le lecteur puisse tester et expérimenter l’approche étape par étape. Dans son ensemble, cet article décrit un moyen prometteur de relever les défis de la photographie numérique en exploitant la recherche actuelle en neurosciences sur le traitement de la rétine.