Cette thèse traite des problèmes et des méthodes de classification dans le cadre de l'aide multicritère à la décision. Un problème de classification consiste en l'affectation d'objets à des catégories prédéfinies (nous parlerons aussi de problème d'affectation). Par ailleurs, le cadre de l'aide à la décision dans lequel nous nous plaçons nous amène à tenir compte des préférences d'un décideur. L'approche que nous proposons se fonde sur l'utilisation d'une relation d'indifférence comme reflet des préférences du décideur. Le principe d'affectation consiste à évaluer l'appartenance d'un objet à une catégorie à partir de l'évaluation de l'indifférence entre l'objet à classer et des objets typiques de la catégorie (points de référence). Nous présentons tous d'abord une définition générale des méthodes de classification multicritère. Puis nous proposons deux méthodes d'affectation (PIP et k-PIP) qui vont principalement différer par la nature des points de référence à considérer (prototypes ou points exemples). Ces méthodes possèdent l'avantage de procurer au décideur, non seulement un résultat, mais aussi explication de celui-ci : c'est là un des aspects fondamentaux de l'aide à la décision. Nos méthodes considèrent des catégories décrites par des points de référence. Donner les points de référence de ces catégories n'est cependant pas toujours une tâche aisée pour un décideur. C'est pourquoi nous proposons deux procédures qui permettent de construire les prototypes des catégories à partir d'ensembles de points d'apprentissage. D'autre part, et de même que pour les points de référence, un décideur peut éprouver certaines diffcultés à fixer certains paramètres préférentiels (seuils, poids). Nous proposons à cet effet une procédure permettant de construire à partir de points exemples les coefficients d'importance relative des différents critères (poids) entrant en compte dans le processus d'aide à la décision relatif au problème de classification.