Le forage de donn es ("data mining") se fait partir de plusieurs techniques d'apprentissage automatique. Chacune tant propice extraire des connaissances de nature diff rente ou dans des contextes diff rents, il importe de choisir la bonne technique selon le probl me pos . Les algorithmes d'apprentissage automatique poss dant chacun des forces et faiblesses qui leur sont propres pour divers types de probl me de d couverte des connaissances partir de donn es, certains auront un meilleur taux de succ s ou un plus court temps d'ex cution que d'autres. Cet ouvrage propose une m thode pour aiguiller automatiquement diverses requ tes de forage de donn es vers diff rents modules d'extraction de connaissances d j existants selon le type des donn es analyser. Cette s lection automatique permettra un utilisateur non expert de tirer profit de l'apprentissage automatique sans avoir les connaissances n cessaires pour bien choisir un algorithme d'apprentissage automatique, et devrait am liorer l'efficacit en termes de taux d'exactitude de l'hypoth se mise et de temps d'ex cution de l'algorithme d'apprentissage automatique choisi.