Notre thèse s'inscrit dans le cadre de la mise en place d'un observatoire des pratiques agricoles dans le bassin versant de la Vesle. L'objectif de ce système d'information agri-environnemental est de comprendre les pratiques responsables de la pollution de la ressource en eau par les pesticides d'origine agricole sur le territoire étudié et de fournir des outils pertinents et pérennes pour estimer leurs impacts. Notre problématique concerne la prise en compte de l'imperfection dans le processus de la fusion de données multi-sources et imparfaites. En effet, l'information sur les pratiques n'est pas exhaustive et ne fait pas l'objet d'une déclaration, il nous faut donc construire cette connaissance par l'utilisation conjointe de sources multiples et de qualités diverses en intégrant dans le système d'information la gestion de l'information imparfaite. Dans ce contexte, nous proposons des méthodes pour une reconstruction spatialisée des informations liées aux pratiques agricoles à partir de la télédétection, du RPG, d'enquêtes terrain et de dires d'experts, reconstruction qualifiée par une évaluation de la qualité de l'information. Par ailleurs, nous proposons une modélisation conceptuelle des entités agronomiques imparfaites du système d'information en nous appuyant sur UML et PERCEPTORY. Nous proposons ainsi des modèles de représentation de l'information imparfaite issues des différentes sources d'information à l'aide soit des ensembles flous, soit de la théorie des fonctions de croyance et nous intégrons ces modèles dans le calcul d'indicateurs agri-environnementaux tels que l'IFT et le QSA. / Our thesis is part of a regional project aiming the development of a community environmental information system for agricultural practices in the watershed of the Vesle. The objective of this observatory is 1) to understand the practices of responsible of the water resource pollution by pesticides from agriculture in the study area and 2) to provide relevant and sustainable tools to estimate their impacts. Our open issue deals with the consideration of imperfection in the process of merging multiple sources and imperfect data. Indeed, information on practices is not exhaustive and is not subject to return, so we need to build this knowledge through the combination of multiple sources and of varying quality by integrating imperfect information management information in the system. In this context, we propose methods for spatial reconstruction of information related to agricultural practices from the RPG remote sensing, field surveys and expert opinions, skilled reconstruction with an assessment of the quality of the information. Furthermore, we propose a conceptual modeling of agronomic entities' imperfect information system building on UML and PERCEPTORY.We provide tools and models of representation of imperfect information from the various sources of information using fuzzy sets and the belief function theory and integrate these models into the computation of agri-environmental indicators such as TFI and ASQ.