L'algorithme SPDHG (Stochastic Primal-Dual Hybrid Gradient) est une version stochastique de l'algorithme PDHG (Primal-Dual Hybrid Gradient) développé par Chambolle et Pock, utilisé dans le cadre de problèmes inverses où le terme d'attache aux données et le régulariseur sont convexes mais pas nécessairement lisses. Grâce à sa composante randomisée, SPDHG permet de ne réaliser que des évaluations partielles de l'opérateur direct et de son adjoint. Cela en fait un algorithme particulièrement adapté à la tomographie à émission de positrons (PET), où le principal frein à l'adoption pratique de méthodes itératives sophistiquées est le coût computationnel des projections. Je présenterai un résultat de convergence pour SPDHG ainsi que des applications, en particulier liées à la question du choix du pas, sur des jeux de données PET réels et simulés.