Cette th??se vise ?? ??tudier deux probl??matiques diff??rentes: 1) la reconnaissance des activit??s de la vie quotidienne des personnes dans un habitat intelligent, et 2) la construction du profil comportemental de la personne. Nos contributions sont pr??sent??es dans deux chapitres illustrant les solutions propos??es. La premi??re contribution de cette th??se est li??e ?? l'introduction d'une nouvelle approche non supervis??e de reconnaissance d'activit??s nomm??e ADR-SPLDA (Activity Discovery and Recognition using Sequential Patterns and Latent Dirichlet Allocation). Contrairement aux approches existantes, ADR-SPLDA permet la d??couverte et la reconnaissance des activit??s de fa??on non supervis??e sans faire n??cessairement recours ?? l'annotation des donn??es. En outre, ADR-SPLDA est bas??e sur l'analyse de patrons fr??quents, ce qui permet de r??duire significativement la quantit?? du bruit dans les donn??es. La fiabilit?? de ADR-SPLDA est illustr??e ?? travers une s??rie de tests et de comparaisons avec les approches existantes sur une vari??t?? de donn??es r??elles. Le deuxi??me travail vise la construction du profil comportemental de la personne en se basant sur ses activit??s. Nous avons d??velopp?? une approche qui permet de d??couvrir les diff??rents comportements dans les s??quences, et d'extraire les relations causales entre les diff??rents comportements. Notre contribution inclut l'introduction de l'analyse causale dans la construction du profil, ce qui nous a permis aussi de d??couvrir les relations causales entre les diff??rentes activit??s. Une s??rie de tests a ??t?? ??galement effectu??e pour illustrer la fiabilit?? de notre approche sur une vari??t?? de donn??es. Le travail de recherche entrepris dans cette th??se constitue l'une des nombreuses ??tapes importantes dans l'accomplissement d'un syst??me d'assistance efficace dans l'objectif d'assurer le bien-??tre des personnes.