Maintenant, l’achat de vêtements sur l’Internet est devenu une tendance importante pour les consommateurs du monde entier. Pourtant, dans les différents systèmes de vente en ligne, il manque systématiquement de recommandations personnalisées, comme celles fournies par les vendeurs d’une boutique physique, afin de proposer les produits les mieux adaptés à des différents consommateurs selon leurs morphotypes et leurs attentes émotionnelles. Dans cette thèse doctorale, nous proposons un système de recommandation orienté vers les consommateurs, qui peut être utilisé, comme un vendeur virtuel, à l’intérieur d’un système de vente de vêtements en ligne. Ce système a été développé par intégration de connaissance professionnelle des créateurs et des vendeurs et la perception des consommateurs sur les produits. En s’appuyant sur la connaissance de vente de vêtements, ce système propose des produits aux consommateurs spécifiques par exécuter successivement les trois modules de recommandation suivants, comprenant 1) le Module de Base de Données pour les Cas de Succès ; 2) le Module de Prévision du Marché ; 3) le Module de Recommandation utilisant la Connaissance. De plus, un autre module, appelé le Module de Mise à Jour de la Connaissance. Cette thèse présente une méthode originale de prévision d’un ou plusieurs profils de produits bien adaptés à un consommateur spécifique. Elle peut aider effectivement les consommateurs à effectuer des achats de vêtements sur l’Internet. En comparant avec les autres méthodes de prévision, la méthode proposée est plus robuste et plus interprétable en raison de sa capacité de traitement de l’incertitude. / Garment purchasing through the Internet has become an important trend for consumers of all parts of the world. However, in various garment e-shopping systems, it systematically lacks personalized recommendations, like sales advisors in classical shops, in order to propose the most relevant products to different consumers according to their body shapes and fashion requirements. In this thesis, we propose a consumer-oriented recommendation system, which can be used inside a garment online shopping system like a virtual sales advisor. This system has been developed by integrating the professional knowledge of designers and shoppers and taking into account consumers’ perception on products. Following the shopping knowledge on garments, the proposed system recommends garment products to specific consumers by successively executing three modules, namely 1) the Successful Cases Database Module; 2) the Market Forecasting Module; 3) the Knowledge-based Recommendation Module. Also, another module, called the Knowledge Updating Module.This thesis presents an original method for predicting one or several relevant product profiles from a specific consumer profile. It can effectively help consumers to choose garments from the Internet. Compared with other prediction methods, the proposed method is more robust and interpretable owing to its capacity of treating uncertainty.