In several processes of the forest products industry, an in-depth knowledge of log and board internal features is required and their determination needs fast scanning systems. One of the possible technologies is X-ray computed tomography (CT) technology. Our paper reviews applications of this technology in wood density measurements, in wood moisture content monitoring, and in locating internal log features that include pith, sapwood, heartwood, knots, and other defects. Annual growth ring measurements are more problematic to be detected on CT images because of the low spatial resolution of the images used. For log feature identification, our review shows that the feed-forward back-propagation artificial neural network is the most efficient CT image processing method. There are also some studies attempting to reconstruct three-dimensional log or board images from two-dimensional CT images. Several industrial prototypes have been developed because medical CT scanners were shown to be inappropriate for the wood industry. Because of the high cost of X-ray CT scanner equipment, other types of inexpensive sensors should also be investigated, such as electric resistivity tomography and microwaves. It also appears that the best approach uses various different sensors, each of them having its own strengths and weaknesses.Résumé : Plusieurs processus de l'industrie des produits forestiers exigent une connaissance approfondie des caractéristiques internes des billes et des planches dont l'acquisition nécessite des appareils à balayage rapide. Une des technologies potentielles est la tomodensitométrie (TDM). Notre article passe en revue les applications de cette technologie pour mesurer la densité du bois, faire le suivi de la teneur en humidité dans le bois et localiser les caractéristiques internes du bois, telles que la moelle, le bois d'aubier, le bois de coeur, les noeuds et les autres défauts. Il est plus difficile de mesurer les cernes annuels sur les images obtenues par TDM à cause de la faible résolution spatiale de ces images. Pour l'identification des caractéristiques des billes, notre revue montre que le réseau neuronal artificiel multicouche à rétropropagation est la méthode la plus efficace pour traiter les images obtenues par TDM. Il y a aussi certaines études qui tentent de reconstruire des images en trois dimensions à partir des images en deux dimensions obtenues par TDM. Plusieurs prototypes industriels ont été développés parce qu'il a été démontré que les tomographes médicaux ne sont pas appropriés pour l'industrie du bois. Étant donné le coût élevé des appareils de TDM, d'autres types de capteurs bon marché devraient être étudiés, tels que la tomographie de résistivité électrique et les micro-ondes. Il semble aussi que la meilleure approche consiste à utiliser plusieurs capteurs différents, chacun ayant ses forces et ses faiblesses.[Traduit par la Rédaction]