Les travaux d velopp s dans le cadre de cet ouvrage portent sur le probl me du traitement des grandes masses de donn es lors de l'apprentissage automatique d'un mod le partir d'une base d'exemples. Ainsi, le mod le construit servira comme un outil de classification de nouveaux cas. Nous tudions plus particuli rement dans un premier temps, le concept de la s lection de variables en pr sentant ses principales strat gies et en propulsant leurs insuffisances, en effet, une nouvelle m thode Filtre sera d velopp e au cours de ce travail afin de rem dier aux insuffisances signal es. Nous tudions dans un deuxi me temps, le probl me de l'augmentation super-exponentielle de la complexit algorithmique de l'apprentissage de structure d'un classifieur Bay sien dans le cas d'utilisation d'algorithmes g n raux et sans restrictions particuli res. Alors, on se propose lors de cette partie de d velopper une nouvelle approche permettant de r duire le nombre de graphes acycliques dirig s (DAG) possibles lors de l'apprentissage automatique de structure sans pour autant perdre de l'information.