Cette thèse propose des outils d'aide multicritère à la décision pour le pilotage d'un processus basés sur la capitalisation des connaissances à travers la technique du raisonnement à partir de cas (RàPC). Deux modèles ont été développés. Le premier modèle, se basant sur des cas analogues passés, aide le pilote d'un processus à résoudre un nouveau problème. Ceci étant en tenant compte aussi bien des relations de causalités qui existent entre les indicateurs et les inducteurs de performance que des relations de dépendance qui surgissent entre les différents critères. Le deuxième modèle est basé sur une hybridation entre le RàPC et le clustering. Il cherche à améliorer les phases : représentation des cas, recherche de cas similaires et maintenance de la base de cas du cycle du RàPC. L'application d'une méthode de clustering représente une manière d'arranger la base de cas afin de faciliter l'aide au pilotage. Ces deux modèles peuvent fonctionner en relation de complémentarité. En effet, le deuxième modèle basé sur le clustering permet, d'abord, de former des groupes homogènes y compris le nouveau cas qu'on veut chercher sa solution. Ensuite, après avoir obtenu le cluster contenant le nouveau cas avec ses cas similaires, le premier modèle sera déclenché pour trouver le cas le plus proche. Toutefois, les critères utilisés par ces deux modèles sont quantitatifs. Pour cela, une approche linguistique a été utilisée pour gérer des données non homogènes, c'est-à-dire numériques et linguistiques. Ces deux modèles ont été appliqués dans un cas industriel réel de fabrication d'emballages en carton. Ils ont été aussi implémentés dans un prototype informatique sous forme d'un Système Interactif d'Aide au Pilotage d'un Processus (SIAPP) à travers des interfaces pour mieux valider leurs applications.