Il a été prouvé que le test de la médiane de Mood est plus puissant que les tests de Student et de Wilcoxon-Mann-Whitney dans le cas des distributions à queues lourdes pour des données univariées. L'extension multivariée du test de la médiane, pour des données multidimensionnelles, s'est également montrée plus efficace que les tests Hotelling $T^{2}$ et Wilcoxon-Mann-Whitney dans les cas des distributions à queues lourdes. En se basant sur ces postulats, dans ce travail, nous construisons un test de la médiane basé sur les rangs spatiaux pour données fonctionnelles et obtenons des résultats asymptotiques. Ensuite, nous le comparons avec plusieurs tests concurrents en utilisant des données fonctionnelles simulées et réelles: comme dans les cas univariés et multivariés, nos résultats montrent que le test proposé est plus adapté aux distributions à queues lourdes.