À l’ère du numérique, valoriser les données en leur donnant un sens est un enjeu capital pour supporter la prise de décision stratégique et cela dans divers domaines, notamment dans le domaine du marketing numérique ou de la santé, ou encore, dans notre contexte, pour une meilleure compréhension de la biologie des structures des acides nucléiques. L’un des défis majeurs de la biologie structurale concerne l’étude des structures des acides ribonucléiques (ARN), les effets de ces structures et de leurs altérations sur leurs fonctions. Contribuer à cet enjeu important est l’objectif de cette thèse. Celle-ci s’inscrit principalement dans le développement de méthodes et d’outils pour l’exploration efficace des structures secondaires d’ARN. En effet, explorer les structures secondaires d’ARN contribue à lever le voile sur leur fonction et permet de mieux cerner leur implication spécifique au sein des processus cellulaires. Dans ce contexte nous avons développé le modèle des super-n-motifs qui contribue à une meilleure représentation de la complexité structurale des ARN et offre un moyen efficace d’évaluer la similarité des structures d’ARN en tenant compte de cette complexité. Le modèle des super-n-motifs facilite l’étude des ARN dont le rôle est inconnu. Il permet de poser des hypothèses sur la ou les fonctions des ARN lorsque ceux-ci partagent une similarité structurale sans équivoque. Nous avons aussi développé la plateforme structurexplor pour faciliter l’exploration des structures secondaires, c’est-à-dire de permettre, en quelques clics, de caractériser les populations de structures d’ARN en, par exemple, faisant ressortir les groupes d’ARN partageant des structures similaires. La mise en œuvre du modèle des super-n-motifs et de la plateforme structurexplor a contribué à une meilleure compréhension de la phylogénie structurale des viroïdes qui sont des agents pathogènes à ARN attaquant les plantes, phylogénie jusqu’alors basée que sur leurs séquences.