Cette thèse initie et développe un programme ayant pour but de définir une stratégie de priorisation efficace pour accélérer la découverte de molécules bioactives au sein d’extraits végétaux. Dans le cadre de ce projet, plusieurs criblages biologiques ont été menés sur une collection de 292 extraits d'Euphorbiaceae.Afin d’identifier et cibler au sein de ces mélanges complexes les structures d’intérêt biologique tout en écartant les molécules connues ou présentant un intérêt structural limité, les profils métabolomiques des extraits ont été acquis par spectrométrie de masse tandem. Pour exploiter au mieux la quantité d'information générée par ces analyses, les spectres MS2 ont ensuite été organisés sous forme de réseaux moléculaires. Ces réseaux permettent de lier les ions détectés en fonction de la similarité de leurs voies de fragmentation et donc de leur proximité structurale. Les informations taxonomiques et d’activités biologiques ont été croisées avec les données spectrales au sein de cette carte moléculaire multi-informative, offrant ainsi une approche nouvelle pour accélérer la découverte de nouveaux ligands des cibles biologiques étudiées et pour une sélection plus pertinente des extraits à forte diversité structurale.Si l’outil des réseaux moléculaires représente une méthode innovante et particulièrement instructive pour le phytochimiste, il présente cependant quelques défauts qui limitent son spectre d'utilisation et ses capacités en métabolomique. Une deuxième partie de cette thèse a donc été consacrée à l’implémentation d’une étape de prétraitement pour améliorer la fiabilité des réseaux et au développement de MetGem, un logiciel dédié à la génération de réseaux moléculaires permettant d’optimiser la gestion et l’analyse des matrices de scores de similarité spectrale. / This thesis initiates and develops a program seeking to accelerate the discovery of new therapeutic molecules using an efficient prioritization strategy. As part of this project, a collection of 292 Euphorbiaceae extracts was screened over several biological targets.To focus on unknown bioactive chemicals and to avoid the isolation of known or inactive molecules, the acquisition of high resolution tandem mass spectrometry profiles of these extracts was performed. To highlight relevant information within these data, MS2 spectra were organized as molecular networks. It consists in visualizing tandem mass spectrometry data by detecting related MS2 spectra and representing them in a same spectral space. Taxonomical details and bioassay screening results were merged with the network visualization to generate a comprehensive multi-informative molecular map, which offers a radically novel outlook to target novel bioactive scaffolds and select extracts with high structural diversity. Although very instructive for the phytochemist, the molecular networking tool has some imperfections that limit its potential in metabolomics. Therefore, the second part of this thesis was dedicated to the introduction of a data preprocessing step to enhance the networks reliability and to the development of MetGem, a software dedicated to the generation of molecular networks to improve the way matrices of similarity scores are managed and analyzed.