Nos travaux portent sur la scénarisation dans les environnements virtuels pour la formation. Nous nous intéressons particulièrement à la formation dans des environnements sociotechniques complexes comme par exemple la gestion des risques. Dans ces environnements, la variabilité des situations que les opérateurs peuvent rencontrer rend difficile la mise en place d'une formation exhaustive. Il est pourtant crucial d'offrir les moyens permettant l'entrainement à ces situations et les environnements virtuels peuvent apporter des solutions efficaces. En effet, ils peuvent offrir une grande liberté d'action et permettre un apprentissage de type essai-erreur. Le contrôle pédagogique de ces environnements peut alors permettre de personnaliser et d’adapter les contenus à chaque apprenant. Cependant, il est difficile pour les concepteurs d'environnements virtuels d'imaginer, de concevoir et décrire toutes les séquences d'actions et d'événements menant aux situations d'intérêt tout en autorisant une grande liberté d'action pour les apprenants. L'approche de description exhaustive se révèle trop coûteuse, voire vouée à l'échec. Pour palier au goulet d'étranglement de l'écriture et du codage des contenus, nous proposons de générer dynamiquement l'enchainement des situations d'apprentissage au sein d'une simulation. L'architecture TAILOR que nous proposons permet la scénarisation dynamique de chaque session d'apprentissage, en accord avec un modèle du parcours d'apprentissage, en utilisant des modèles à base de connaissances. Pour cela, nous avons tout d'abord proposé le langage \textsc{World-DL} permettant de produire du contenu scénaristique reconfigurable, adaptable et générique pour des environnements virtuels pour la formation. Ce langage permet à la fois de décrire le modèle du monde, les objectifs scénaristiques ainsi que de maintenir la base de connaissances liée à la simulation.Afin de ne pas s'appuyer sur une élicitation du domaine d'apprentissage, nous avons proposé un modèle de l'apprenant opérationnalisant la théorie de la Zone Proximale de Développement. Celui-ci repose sur un espace vectoriel de classes de situation auxquelles sont associées des valeurs de croyance sur la capacité de l'apprenant à gérer les situations qu'elles décrivent. La scénarisation que nous proposons est essentiellement intra-diégétique : elle s'intègre au monde simulé par l'environnement virtuel. Pour cela, nous proposons une méthode de génération dynamique et adaptative de situations d'apprentissage s'appuyant sur des modèles de l'activité et de la causalité inspirés d'analyses ergonomiques. Par ailleurs, les situations d'apprentissage générées sont articulées sous la forme d'une fiction grâce au processus de diégétisation inspiré du courant structuraliste de la sémiologie. Les travaux sur l'architecture TAILOR ont donné naissance au moteur du même nom au sein de la plateforme logicielle HUMANS. L'approche a été appliquée dans un environnement virtuel pour la formation des assembleurs en aéronautique. / This work addresses the issues of the specification of the scenario in virtual environment for training. We especially address adult lifelong training in complex domains where technical systems are difficult to apprehend and human factors are critical. Workers have to be trained to react to a wide range of situations. Virtual environment can provide this kind of training by offering them the possibility to experiment different behavior in a situation. Yet to foster learning, such environment should provide a wide range of appealing scenarios adapted to learners’ need. The design and the production of all possible scenarios and of all their adaptations is a tedious task. It requires designers to imagine and describe every possible sequence of events which leads to interesting learning situation. Such a descriptive approach conflicts with the need for a smoother production process.To tackle the authoring bottleneck, we propose the TAILOR architecture to dynamically generate sequences of learning situations in a simulation. It takes into account a learner profile and expert knowledge informed in semantic models. We used a space of classes of situations coupled with a belief model to represent the Zone of Proximal Development of a learner. Each point of the space images the ability of the learner to handle a kind of situation. As we are essentially dealing with intra-diegetic orchestration, i.e. what is happening in the world depicted by the simulation, we propose to use expert model of the domain. We distinguished three kind of knowledge: world knowledge, activity knowledge and causality knowledge. They are used at runtime to procedurally generate a learning situation which will enlarge the Zone of Proximal Development of the learner.To this end, we design the WORLD-DL language to author scenario content for virtual environment for training in a reconfigurable, adaptable and generic way through an ontological representation. This language is used both to describe scenario objectives and to maintain a knowledge-based world state. Moreover, we operationalize structuralist view of narrative to build a story upon generated learning situation through an automated diegetization process. This process relies on abstract story model describe in the ontological metamodel DIEGETIC.This work have been implemented in the TAILOR engine used in the HUMANS platform. It was used both for aeronautic assembly virtual training and for baby sitter virtual training.