Les séries temporelles d'imagerie par résonance magnétique fonctionnelle (IRMf) présentent des dépendances temporelles complexes, nécessitant des approches analytiques avancées pour modéliser précisément l'activité cérébrale. L'analyse à mémoire longue (LM), qui caractérise la lente décroissance de l'autocorrélation dans les signaux IRMf, offre un cadre robuste pour étudier ces dépendances. Cette étude développe une nouvelle pipeline d'analyse des données pour cartographier les propriétés LM de l'IRMf au repos (rs-IRMf) à travers le cerveau, en utilisant la transformée discrète en ondelettes et l'estimation bayésienne. L'application de cette pipeline au jeu de données ADHD-200, après ajustement des scores de TDAH, a révélé une association positive significative entre l'âge et le paramètre LM dans l'hippocampe, ainsi que dans les régions du lobe frontal et du cervelet. Ces résultats relient les changements liés à l'âge dans la fonction cérébrale, capturés par le LM, à des altérations structurelles précédemment rapportées, démontrant l'efficacité de la pipeline pour révéler des relations neurobiologiques pertinentes.