L'IRM fonctionnelle mesure l'activité cérébrale à l'aide du signal BOLD (« Blood Oxygen Level Dependent »), une série chronologique reflétant les changements d'oxygénation du sang au niveau de chaque voxel. Des travaux antérieurs ont montré que les signaux BOLD présentent un comportement sans échelle sur les bandes de basses fréquences, ce qui correspond à une dépendance temporelle à longue portée. Pour modéliser cette dépendance temporelle, nous développons un cadre bayésien voxel par voxel qui traite chaque série chronologique comme un processus gaussien à longue mémoire et estime le paramètre de longue mémoire α, qui régit la décroissance des corrélations temporelles. Le calcul est effectué dans le domaine des ondelettes, où la covariance a une structure quasi diagonale et où les variances des coefficients présentent une progression dépendante de l'échelle déterminée par α, ce qui permet une inférence a posteriori efficace via MCMC. Nous appliquons ce cadre à l'ensemble de données ADHD-200 et identifions des associations significatives entre les paramètres de mémoire longue et l'âge chez les enfants, en particulier dans les régions de l'hippocampe et du lobe antérieur.